
#импортируем бибилиотеки
import pandas as pd
import geopandas as gpd
import matplotlib.pyplot as plt
import numpy as np
import scipy.stats as st
from IPython.display import FileLink

import seaborn as sns


import plotly.express as px
from plotly import graph_objects as go

from plotly.offline import init_notebook_mode, iplot
init_notebook_mode(connected=True)

import datetime as dt
from datetime import datetime,timedelta
import math

#Для сложных манипуляций с картами
import folium
from folium import Map, Marker
from folium.plugins import MarkerCluster
from folium import Map, Choropleth
from folium.features import CustomIcon

from branca.colormap import linear
import re
from shapely import wkt
from mpl_toolkits.axes_grid1 import make_axes_locatable


import warnings
warnings.filterwarnings("ignore")

#Снятие ограничений
pd.set_option("display.max_columns",None)


def inform(df):
    display(df.head()) # вывод первых 5 строк таблицы
    df.info() # получение информации
    print ('Количество дубликатов -', df.duplicated().sum()) # проверка на дубликаты
    print ('Число пропусков -',df.isna().sum())# число пропусков
    print ('Доля пропусков -',df.isna().mean())
    display(df.describe()) #описательные статистики
    return df


def get_date_range_info(df, date_field):
    min_date = df[date_field].min()
    max_date = df[date_field].max()
    diff = max_date - min_date

    return 'Данные представлены за период от %s до %s, разница в %s.' % (min_date, max_date, diff)


#Локальный путь нахождения файлов с данными (заменить при загрузке с другого источника)
patch = 'C:/Users/79990/Desktop/donor/d_search/'


#Загрузка датасета
df_bs = pd.read_csv(patch + 'bs_data 13.11.23.csv')


df_bs = inform(df_bs)

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 1065 entries, 0 to 1064
Data columns (total 5 columns):
 #   Column             Non-Null Count  Dtype 
---  ------             --------------  ----- 
 0   ID центра крови    1065 non-null   int64 
 1   Город              1065 non-null   object
 2   Cтрана             1065 non-null   object
 3   Донаций добавлено  1065 non-null   int64 
 4   Доноров            1065 non-null   int64 
dtypes: int64(3), object(2)
memory usage: 41.7+ KB
Количество дубликатов - 0
Число пропусков - ID центра крови      0
Город                0
Cтрана               0
Донаций добавлено    0
Доноров              0
dtype: int64
Доля пропусков - ID центра крови      0.0
Город                0.0
Cтрана               0.0
Донаций добавлено    0.0
Доноров              0.0
dtype: float64


df_bs.columns = df_bs.columns.str.lower().str.replace(' ', '_')
df_bs.columns

Index(['id_центра_крови', 'город', 'cтрана', 'донаций_добавлено', 'доноров'], dtype='object')


df_bs.город.unique()

array(['Москва', 'Казань', 'Уфа', 'Нижневартовск', 'Красноярск', 'Сургут',
       'Самара', 'Екатеринбург', 'Кемерово', 'Санкт-Петербург', 'Саратов',
       'Ярославль', 'Новосибирск', 'Тюмень', 'Нижний Новгород', 'Иваново',
       'Ростов-на-Дону', 'Смоленск', 'Набережные Челны', 'Благовещенск',
       'Волгоград', 'Барнаул', 'Челябинск', 'Белгород', 'Владивосток',
       'Тверь', 'Иркутск', 'Краснодар', 'Томск', 'Воронеж', 'Альметьевск',
       'Брянск', 'Симферополь', 'Ульяновск', 'Петропавловск-Камчатский',
       'Калуга', 'Оренбург', 'Тольятти', 'Ижевск', 'Хабаровск', 'Тула',
       'Ставрополь', 'Пенза', 'Липецк', 'Рязань', 'Чебоксары', 'Орёл',
       'Петрозаводск', 'Пермь', 'Стерлитамак', 'Калининград', 'Тамбов',
       'Мурманск', 'Омск', 'Новокузнецк', 'Курск', 'Киров',
       'Магнитогорск', 'Йошкар-Ола', 'Саранск', 'Владимир', 'Архангельск',
       'Сызрань', 'Астрахань', 'Рыбинск', 'Волжский', 'Улан-Удэ', 'Ухта',
       'Южно-Сахалинск', 'Нижний Тагил', 'Севастополь', 'Октябрьский',
       'Первоуральск', 'Великий Новгород', 'Курган', 'Чита', 'Керчь',
       'Кострома', 'Нефтеюганск', 'Донецк', 'Нижнекамск', 'Подольск',
       'Череповец', 'Пятигорск', 'Сыктывкар', 'Ханты-Мансийск',
       'Махачкала', 'Шахты', 'Канск', 'Сочи', 'Братск', 'Старый Оскол',
       'Вологда', 'Лесосибирск', 'Дзержинск', 'Минск', 'Орск', 'Тобольск',
       'Ачинск', 'Энгельс', 'Усть-Илимск', 'Таганрог', 'Михайловка',
       'Краснотурьинск', 'Люберцы', 'Якутск', 'Балаково', 'Абакан',
       'Харьков', 'Новороссийск', 'Киев', 'Ангарск', 'Кирово-Чепецк',
       'Ишим', 'Шуя', 'Псков', 'Новомосковск', 'Майкоп', 'Бийск',
       'Одесса', 'Одинцово', 'Кумертау', 'Щёлково', 'Уссурийск',
       'Минусинск', 'Димитровград', 'Каменск-Уральский', 'Златоуст',
       'Наро-Фоминск', 'Грозный', 'Лермонтов', 'Орехово-Зуево',
       'Серпухов', 'Ялта', 'Вичуга', 'Ейск', 'Миасс', 'Верхняя Пышма',
       'Жуковский', 'Воскресенск', 'Кинешма', 'Ноябрьск', 'Астана',
       'Пушкино', 'Коломна', 'Черкесск', 'Королёв',
       'Комсомольск-на-Амуре', 'Норильск', 'Химки', 'Ржев', 'Балашиха',
       'Сумы', 'Воркута', 'Волжск', 'Обнинск', 'Караганда', 'Когалым',
       'Запорожье', 'Анапа', 'Раменское', 'Березники', 'Мончегорск',
       'Сергиев Посад', 'Ногинск', 'Мирный', 'Россошь', 'Алма-Ата',
       'Петропавловск', 'Камышин', 'Мытищи', 'Куйбышев', 'Вязники',
       'Белорецк', 'Новый Уренгой', 'Гатчина', 'Элиста', 'Николаев',
       'Красногорск', 'Владикавказ', 'Днепропетровск', 'Рубцовск',
       'Биробиджан', 'Елец', 'Кызыл', 'Тихвин', 'Волгодонск', 'Советск',
       'Асбест', 'Печора', 'Кишинев', 'Балашов', 'Дмитров', 'Армавир',
       'Находка', 'Инта', 'Луганск', 'Витебск', 'Пушкин',
       'Усолье-Сибирское', 'Тосно', 'Нефтекамск', 'Евпатория', 'Уральск',
       'Салехард', 'Черкассы', 'Вельск', 'Озерск', 'Геленджик',
       'Арсеньев', 'Электросталь', 'Яранск', 'Кривой Рог', 'Винница',
       'Надым', 'Белогорск', 'Нерюнгри', 'Глазов', 'Байконур', 'Бишкек',
       'Урай', 'Кореновск', 'Бирск', 'Удомля', 'Муром', 'Нальчик',
       'Мегион', 'Вольск', 'Стрежевой', 'Белово', 'Железногорск',
       'Белоярский', 'Клин', 'Прокопьевск', 'Шадринск', 'Мценск',
       'Дербент', 'Ивантеевка', 'Мариуполь', 'Павлодар', 'Магадан',
       'Александровск-Сахалинский', 'Радужный', 'Усть-Каменогорск',
       'Актобе', 'Новочеркасск', 'Новый Оскол', 'Междуреченск', 'Видное',
       'Шемордан', 'Голицыно', 'Гродно', 'Фурманов', 'Луховицы',
       'Горно-Алтайск', 'Полевской', 'Губкин', 'Можайск', 'Чайковский',
       'Саяногорск', 'Миллерово', 'Анадырь', 'Великие Луки', 'Советский',
       'Бердск', 'Шатура', 'Северск', 'Камышлов', 'Моздок', 'Новоуральск',
       'Сатка', 'Сухой Лог', 'Лангепас', 'Сосновый Бор', 'Вышний Волочек',
       'Урюпинск', 'Кунгур', 'Анжеро-Судженск', 'Выборг', 'Карасук',
       'Львов', 'Кстово', 'Чернигов', 'Костанай', 'Билибино', 'Елизово',
       'Хасавюрт', 'Серов', 'Артемовский', 'Ступино', 'Чехов',
       'Белая Калитва', 'Алапаевск', 'Бобруйск', 'Новокубанск',
       'Костомукша', 'Брест', 'Тирасполь', 'Ефремов', 'Могилев',
       'Зеленогорск', 'Ливны', 'Беломорск', 'Темрюк', 'Усинск', 'Гомель',
       'Касимов', 'Ростов', 'Краматорск', 'Павловск', 'Тимашевск',
       'Качканар', 'Фрязино', 'Кокшетау', 'Вятские Поляны', 'Белореченск',
       'Слободской', 'Кировск', 'Североморск', 'Юрга', 'Данков',
       'Домодедово', 'Егорьевск', 'Салават', 'Сальск', 'Тарко-Сале',
       'Котлас', 'Туапсе', 'Сарапул', 'Нягань', 'Херсон', 'Старая Русса',
       'Крымск', 'Кизел', 'Полтава', 'Феодосия', 'Актау', 'Тернополь',
       'Калач', 'Боровичи', 'Бузулук', 'Южноуральск', 'Хмельницкий',
       'Нарьян-Мар', 'Новопокровская', 'Мозырь', 'Бельцы', 'Доброполье',
       'Кропоткин', 'Приморско-Ахтарск', 'Арзамас', 'Гусиноозерск',
       'Ирбит', 'Саянск', 'Заречный', 'Кременчуг', 'Котельнич', 'Онега',
       'Ахтубинск', 'Павловский Посад', 'Можга', 'Макеевка', 'Муравленко',
       'Кировоград', 'Северодвинск', 'Кашира', 'Гулькевичи', 'Искитим',
       'Мелитополь', 'Ташкент', 'Соликамск', 'Днепродзержинск', 'Лесной',
       'Борисоглебск', 'Холмск', 'Талица', 'Лабытнанги', 'Житомир',
       'Белая Церковь', 'Дубна', 'Ровно', 'Лесозаводск', 'Волхов',
       'Славгород', 'Протвино', 'Каневская', 'Черногорск', 'Смирных',
       'Джанкой', 'Камень-на-Оби', 'Бобров', 'Всеволожск', 'Добрянка',
       'Краснокаменск', 'Волоколамск', 'Сергач', 'Воротынец', 'Выкса',
       'Елабуга', 'Невельск', 'Реж', 'Тараз', 'Пинск', 'Tallinn', 'Луцк',
       'Алушта', 'Кириши', 'Борисов', 'Великий Устюг', 'Кингисепп',
       'Зеленодольск', 'Алдан', 'Каменск-Шахтинский', 'Омутнинск',
       'Учалы', 'Югорск', 'Коркино', 'Губкинский', 'Ивано-Франковск',
       'Лубны', 'Атырау', 'Осинники', 'Зарайск', 'Лысьва', 'Белебей',
       'Нижнеангарск', 'Рузаевка', 'Бердянск', 'Саки', 'Заволжье',
       'Углегорск', 'Ленинск-Кузнецкий', 'Буденновск', 'Углич',
       'Черновцы', 'Рудный', 'Бендеры', 'Мыски', 'Грязи', 'Павлово',
       'Губаха', 'Ишимбай', 'Кизилюрт', 'Назрань', 'Ревда', 'Канаш',
       'Измаил', 'Алчевск', 'Рогачев', 'Кагул', 'Кременная', 'Саров',
       'Ковров', 'Алексеевка', 'Кольчугино', 'Острогожск', 'Южа',
       'Березовский', 'Балахна', 'Красновишерск', 'Татарск', 'Пудож',
       'Объячево', 'Речица', 'Никополь', 'Барановичи', 'Свободный',
       'Гусь-Хрустальный', 'Сухиничи', 'Уржум', 'Шарья', 'Мостовской',
       'Апшеронск', 'Лыткарино', 'Кудымкар', 'Бугульма', 'Междуреченский',
       'Стаханов', 'Северодонецк', 'Бахчисарай', 'Умань', 'Комсомольск',
       'Сортавала', 'Ужгород', 'Бор', 'Фастовецкая', 'Бровары', 'Тбилиси',
       'Семипалатинск', 'Цюрупинск', 'Düsseldorf', 'Тара', 'Дальнегорск',
       'Северская', 'Галич', 'Динская', 'Лодейное Поле', 'Апатиты',
       'Солнечногорск', 'Рошаль', 'Купино', 'Чусовой', 'Медвежьегорск',
       'Сегежа', 'Воткинск', 'Азов', 'Богданович', 'Красноуфимск',
       'Новочебоксарск', 'Туймазы', 'Ленск', 'Краснодон',
       'Новотроицкое пгт', 'Безенчук', 'Туринская Слобода', 'Светловодск',
       'Синельниково', 'Тихорецк', 'Лида', 'Алейск', 'Клинцы', 'Шелехов',
       'Мариинск', 'Зуевка', 'Полтавская', 'Усмань', 'Истра',
       'Звенигород', 'Валдай', 'Каргат', 'Исилькуль', 'Соль-Илецк',
       'Лысково', 'Окуловка', 'Сузун', 'Шербакуль', 'Кондопога',
       'Прохладный', 'Карачаевск', 'Лениногорск', 'Торбеево', 'Кукмор',
       'Североуральск', 'Верхняя Салда', 'Невьянск', 'Кушва', 'Тавда',
       'Копейск', 'Колпашево', 'Таштагол', 'Дюртюли', 'Азнакаево',
       'Старый Крым', 'Десногорск', 'Энергодар', 'Зарафшан', 'Комрат',
       'Орджоникидзе', 'Павлоград', 'Коростень', 'Ереван', 'Яровое',
       'Поронайск', 'Знаменск', 'Степное Озеро', 'Заринск', 'Новоалтайск',
       'Тальменка', 'Троицкое', 'Завьялово', 'Няндома', 'Енотаевка',
       'Лиман', 'Нариманов', 'Черный Яр', 'Красный Яр', 'Харабали',
       'Шебекино', 'Новозыбков', 'Александров', 'Валуйки', 'Жуковка',
       'Карачев', 'Климово', 'Унеча', 'Калач-на-Дону', 'Котово', 'Сокол',
       'Бутурлиновка', 'Ленинское', 'Облучье', 'Смидович', 'Амурзет',
       'Малоярославец', 'Промышленная ', 'Мантурово', 'Буй', 'Тулун',
       'Боровск', 'Вилючинск', 'Гурьевск', 'Тисуль', 'Нолинск',
       'Крыловская', 'Кущевская', 'Славянск-на-Кубани', 'Староминская',
       'Омсукчан', 'Дебин', 'Сеймчан', 'Сусуман', 'Ягодное', 'Кандалакша',
       'Ковдор', 'Никель', 'Руза', 'Тбилисская', 'Успенское',
       'Горячий Ключ', 'Павловская', 'Брюховецкая', 'Кавказская',
       'Старощербиновская', 'Озёры', 'Красково', 'Яшкино ',
       'Красные Баки', 'Лукоянов', 'Чистоозерное', 'Калачинск',
       'Муромцево', 'Верещагино', 'Краснокамск', 'Ардатов', 'Богородск',
       'Ветлуга', 'Дальнее Константиново', 'Кулебаки', 'Навашино',
       'Семенов', 'Сосновское', 'Урень', 'Чудово', 'Сольцы', 'Кочки',
       'Краснозерское', 'Чаны', 'Большеречье', 'Крутинка', 'Называевск',
       'Черлак', 'Раевский', 'Сибай', 'Чишмы', 'Буйнакск', 'Каспийск',
       'Кемь', 'Баймак', 'Бижбуляк', 'Киргиз-Мияки', 'Давлеканово',
       'Багдарин', 'Закаменск', 'Кяхта', 'Петропавловка', 'Кизляр',
       'Орджоникидзевская', 'Малгобек', 'Зеленчукская', 'Медногорский',
       'Суоярви', 'Чупа', 'Комсомольский', 'Чистополь', 'Козьмодемьянск',
       'Ковылкино', 'Краснослободск', 'Алагир', 'Заинск', 'Мамадыш',
       'Нурлат', 'Ак-Довурак', 'Чадан', 'Туран', 'Морозовск',
       'Новошахтинск', 'Скопин', 'Пугачев', 'Шилово', 'Новомичуринск',
       'Ряжск', 'Сасово', 'Спасск-Рязанский', 'Шацк', 'Долинск',
       'Советская Гавань', 'Октябрьское', 'Певек', 'Каргасок', 'Амурск',
       'Чегдомын', 'Вяземский', 'Ванино', 'Охотск', 'Переяславка',
       'Николаевск-на-Амуре', 'Солнечный', 'Покачи', 'Данилов',
       'Гаврилов-Ям', 'Баган', 'Михайлов', 'Отрадная', 'Курчатов',
       'Серебряные Пруды', 'Починки', 'Шахунья', 'Крестцы', 'Пестово',
       'Чернушка', '1 Янаул', 'Зубово-Полянское лесн-во', 'Борогонцы',
       'Покровск', 'Чурапча', 'Спас-Клепики', 'Свердловск', 'Красный Луч',
       'Первомайск', 'Сквира', 'Фастов', 'Мукачево', 'Свалява', 'Хуст',
       'Теофиполь', 'Старая Синява', 'Виньковцы', 'Белогорье', 'Славута',
       'Городок', 'Athina', 'Zhangye', 'Староконстантинов', 'Армянск',
       'Восход', 'Сланцы', 'Самарканд', 'Бухара', 'Фергана', 'Нукус',
       'Карши', 'Джизак', 'Чирчик', 'Житковичи', 'Боровляны', 'Warszawa',
       'Новые Анены', 'Каменец-Подольский', 'Ясиноватая', 'Рыбница',
       'Кисловодск', 'Боярка', 'Желтые Воды', 'Апостолово', 'Богородчаны',
       'Золотоноша', 'Токмак', 'Баку', 'Душанбе', 'Ашхабад', 'Кашин',
       'Оха', 'Браслав', 'Усть-Катав'], dtype=object)


df_bs.cтрана.value_counts()

Россия          852
Украина         104
_                27
Беларусь         24
Казахстан        18
Узбекистан       15
Молдова           8
Грузия            3
Кыргызстан        3
Армения           2
Азербайджан       2
Эстония           1
Германия          1
Греция            1
Китай             1
Польша            1
Таджикистан       1
Туркменистан      1
Name: cтрана, dtype: int64


df_bs.cтрана.unique()

array(['Россия', '_', 'Беларусь', 'Украина', 'Казахстан', 'Молдова',
       'Кыргызстан', 'Узбекистан', 'Эстония', 'Грузия', 'Германия',
       'Армения', 'Греция', 'Китай', 'Польша', 'Азербайджан',
       'Таджикистан', 'Туркменистан'], dtype=object)


df_bs.query('cтрана == "_"')


#Загрузка датасета
df_d = pd.read_csv(patch + 'donations_anon 281123.csv',sep=",")


df_d = inform(df_d)

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 249741 entries, 0 to 249740
Data columns (total 13 columns):
 #   Column                   Non-Null Count   Dtype 
---  ------                   --------------   ----- 
 0   ID                       249741 non-null  int64 
 1   ID пользователя          249741 non-null  int64 
 2   Класс крови              249741 non-null  object
 3   Дата донации             249741 non-null  object
 4   Дата планирования        249741 non-null  object
 5   Тип донации              249741 non-null  object
 6   Город                    249741 non-null  object
 7   Регион                   249741 non-null  object
 8   Страна                   249741 non-null  object
 9   Место сдачи              249741 non-null  object
 10  Есть справка             249741 non-null  object
 11  Дата добавления донации  249741 non-null  object
 12  Статус донации           249741 non-null  object
dtypes: int64(2), object(11)
memory usage: 24.8+ MB
Количество дубликатов - 637
Число пропусков - ID                         0
ID пользователя            0
Класс крови                0
Дата донации               0
Дата планирования          0
Тип донации                0
Город                      0
Регион                     0
Страна                     0
Место сдачи                0
Есть справка               0
Дата добавления донации    0
Статус донации             0
dtype: int64
Доля пропусков - ID                         0.0
ID пользователя            0.0
Класс крови                0.0
Дата донации               0.0
Дата планирования          0.0
Тип донации                0.0
Город                      0.0
Регион                     0.0
Страна                     0.0
Место сдачи                0.0
Есть справка               0.0
Дата добавления донации    0.0
Статус донации             0.0
dtype: float64


df_d.columns = df_d.columns.str.lower().str.replace(' ', '_')


df_d['дата_донации'] = pd.to_datetime(df_d['дата_донации'], format='%d.%m.%Y', errors='coerce')
df_d['дата_донации']

0        2023-11-28
1        2010-11-26
2        2085-08-07
3        2010-09-22
4        2056-09-12
            ...    
249736   2017-11-21
249737   2018-02-03
249738   2016-06-06
249739   2017-11-28
249740   2018-04-10
Name: дата_донации, Length: 249741, dtype: datetime64[ns]


df_d.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 249741 entries, 0 to 249740
Data columns (total 13 columns):
 #   Column                   Non-Null Count   Dtype         
---  ------                   --------------   -----         
 0   id                       249741 non-null  int64         
 1   id_пользователя          249741 non-null  int64         
 2   класс_крови              249741 non-null  object        
 3   дата_донации             249734 non-null  datetime64[ns]
 4   дата_планирования        249741 non-null  object        
 5   тип_донации              249741 non-null  object        
 6   город                    249741 non-null  object        
 7   регион                   249741 non-null  object        
 8   страна                   249741 non-null  object        
 9   место_сдачи              249741 non-null  object        
 10  есть_справка             249741 non-null  object        
 11  дата_добавления_донации  249741 non-null  object        
 12  статус_донации           249741 non-null  object        
dtypes: datetime64[ns](1), int64(2), object(10)
memory usage: 24.8+ MB


a = len(df_d)
a

249741


get_date_range_info(df_d,'дата_донации')

'Данные представлены за период от 1900-01-01 00:00:00 до 2092-06-10 00:00:00, разница в 70288 days 00:00:00.'


df_d[df_d['дата_донации'].isnull()]


df_d['год'] = df_d['дата_донации'].dt.year


df_d['год'].value_counts()

2022.0    35574
2023.0    30169
2021.0    21972
2015.0    19865
2016.0    19127
2018.0    18724
2019.0    16712
2017.0    16471
2020.0    16415
2014.0    16187
2013.0     9366
2012.0     6667
2011.0     5289
2010.0     4559
2009.0     3240
2008.0     2026
2006.0     1435
2007.0     1073
2004.0      938
2005.0      841
2003.0      622
2002.0      529
1997.0      328
1999.0      290
2000.0      281
2001.0      269
1995.0      201
1996.0      165
1998.0      115
1994.0       43
1975.0       39
1992.0       24
1993.0       23
1990.0       20
1991.0       18
1984.0       14
1988.0       14
1989.0       13
1970.0       12
1982.0        9
1987.0        9
1983.0        8
1981.0        8
1985.0        6
1980.0        5
2085.0        4
1986.0        4
2092.0        3
1938.0        1
2055.0        1
2089.0        1
1900.0        1
1976.0        1
1920.0        1
1919.0        1
2056.0        1
Name: год, dtype: int64


df_d[(df_d['год'] < 1970) | (df_d['год'] > 2023)]


df_d = df_d.drop(df_d[(df_d['год'] < 1970) | (df_d['год'] > 2023)].index)
df_d = df_d.dropna(subset=['год'])


df_d[df_d.duplicated()].head(10)


df_d = df_d.drop_duplicates ()


df_d.nunique ()

id                         247205
id_пользователя             46158
класс_крови                     5
дата_донации                 7514
дата_планирования            1052
тип_донации                     2
город                         797
регион                        126
страна                         13
место_сдачи                   809
есть_справка                    2
дата_добавления_донации      1105
статус_донации                  5
год                            47
dtype: int64


df_d.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 249083 entries, 0 to 249740
Data columns (total 14 columns):
 #   Column                   Non-Null Count   Dtype         
---  ------                   --------------   -----         
 0   id                       249083 non-null  int64         
 1   id_пользователя          249083 non-null  int64         
 2   класс_крови              249083 non-null  object        
 3   дата_донации             249083 non-null  datetime64[ns]
 4   дата_планирования        249083 non-null  object        
 5   тип_донации              249083 non-null  object        
 6   город                    249083 non-null  object        
 7   регион                   249083 non-null  object        
 8   страна                   249083 non-null  object        
 9   место_сдачи              249083 non-null  object        
 10  есть_справка             249083 non-null  object        
 11  дата_добавления_донации  249083 non-null  object        
 12  статус_донации           249083 non-null  object        
 13  год                      249083 non-null  float64       
dtypes: datetime64[ns](1), float64(1), int64(2), object(10)
memory usage: 28.5+ MB


df_d.id.nunique()

247205


df_d[df_d['id'].duplicated()].head(10)


df_d = df_d.drop_duplicates ('id')


df_d.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 247205 entries, 0 to 249740
Data columns (total 14 columns):
 #   Column                   Non-Null Count   Dtype         
---  ------                   --------------   -----         
 0   id                       247205 non-null  int64         
 1   id_пользователя          247205 non-null  int64         
 2   класс_крови              247205 non-null  object        
 3   дата_донации             247205 non-null  datetime64[ns]
 4   дата_планирования        247205 non-null  object        
 5   тип_донации              247205 non-null  object        
 6   город                    247205 non-null  object        
 7   регион                   247205 non-null  object        
 8   страна                   247205 non-null  object        
 9   место_сдачи              247205 non-null  object        
 10  есть_справка             247205 non-null  object        
 11  дата_добавления_донации  247205 non-null  object        
 12  статус_донации           247205 non-null  object        
 13  год                      247205 non-null  float64       
dtypes: datetime64[ns](1), float64(1), int64(2), object(10)
memory usage: 28.3+ MB


df_d['дата_планирования'] = pd.to_datetime(df_d['дата_планирования'], format='%d.%m.%Y', errors='coerce')
df_d['дата_добавления_донации'] = pd.to_datetime(df_d['дата_добавления_донации'], format='%d.%m.%Y', errors='coerce')


(df_d['дата_планирования'].dt.year).value_counts(dropna=False)

NaN       236854
2023.0      4811
2022.0      3889
2021.0      1560
2020.0        91
Name: дата_планирования, dtype: int64


(df_d['дата_добавления_донации'].dt.year).value_counts(dropna=False)

2020    89415
2023    81197
2022    64092
2021    12501
Name: дата_добавления_донации, dtype: int64


df_d['класс_крови'].value_counts(dropna=False)

Цельная кровь              162780
Плазма                      58785
Тромбоциты                  25105
Эритроциты                    447
Гранулоциты (Лейкоциты)        88
Name: класс_крови, dtype: int64


df_d['статус_донации'].value_counts(dropna=False)

Принята         222872
Без справки      17460
Удалена           5486
Отклонена         1289
На модерации        98
Name: статус_донации, dtype: int64


df_d['место_сдачи'].value_counts(dropna=False)

Выездная акция                                                                        14507
ФГБУ НМИЦ Гематологии, (бывш. ГНЦ)                                                    10083
Казанский плазмоцентр ФГБУ РМНПЦ «Росплазма» ФМБА России                               7073
ГБУЗ "Республиканская станция переливания крови"                                       6805
ГАУЗ «Республиканский центр крови Министерства здравоохранения РТ»                     6495
                                                                                      ...  
(Ликвидирован) Зуевское отделение переливания крови КОГБУЗ «Кировский центр крови»        1
(Ликвидирован) МУЗ "Торбеевская ЦРБ"                                                      1
Каргатская центральная районная больница, отделение переливания крови                     1
(Ликвидирован) Слободское ОПК                                                             1
ГУ «Специализированная медико - санитарная часть № 6»                                     1
Name: место_сдачи, Length: 809, dtype: int64


df_d['тип_донации'].value_counts(dropna=False)

Безвозмездно    229884
Платно           17321
Name: тип_донации, dtype: int64


df_d['есть_справка'].value_counts(dropna=False)

Да     231009
Нет     16196
Name: есть_справка, dtype: int64


df_d.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 247205 entries, 0 to 249740
Data columns (total 14 columns):
 #   Column                   Non-Null Count   Dtype         
---  ------                   --------------   -----         
 0   id                       247205 non-null  int64         
 1   id_пользователя          247205 non-null  int64         
 2   класс_крови              247205 non-null  object        
 3   дата_донации             247205 non-null  datetime64[ns]
 4   дата_планирования        10351 non-null   datetime64[ns]
 5   тип_донации              247205 non-null  object        
 6   город                    247205 non-null  object        
 7   регион                   247205 non-null  object        
 8   страна                   247205 non-null  object        
 9   место_сдачи              247205 non-null  object        
 10  есть_справка             247205 non-null  object        
 11  дата_добавления_донации  247205 non-null  datetime64[ns]
 12  статус_донации           247205 non-null  object        
 13  год                      247205 non-null  float64       
dtypes: datetime64[ns](3), float64(1), int64(2), object(8)
memory usage: 28.3+ MB


b = len(df_d)
b

247205

a

249741


print("Потери данных в %:",(a-b)/a*100)

Потери данных в %: 1.0154520082805787


#Загрузка датасета
df_p = pd.read_csv(patch + 'donations_plan 281123.csv',sep=",")


df_p = inform(df_p)

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 27720 entries, 0 to 27719
Data columns (total 10 columns):
 #   Column             Non-Null Count  Dtype 
---  ------             --------------  ----- 
 0   ID                 27720 non-null  int64 
 1   ID пользователя    27720 non-null  int64 
 2   Класс крови        27720 non-null  object
 3   Дата донации       27720 non-null  object
 4   Дата планирования  27720 non-null  object
 5   Тип донации        27720 non-null  object
 6   Регион             27720 non-null  object
 7   Место стадчи       27720 non-null  object
 8   Статус             27720 non-null  object
 9   Есть справка       27720 non-null  object
dtypes: int64(2), object(8)
memory usage: 2.1+ MB
Количество дубликатов - 0
Число пропусков - ID                   0
ID пользователя      0
Класс крови          0
Дата донации         0
Дата планирования    0
Тип донации          0
Регион               0
Место стадчи         0
Статус               0
Есть справка         0
dtype: int64
Доля пропусков - ID                   0.0
ID пользователя      0.0
Класс крови          0.0
Дата донации         0.0
Дата планирования    0.0
Тип донации          0.0
Регион               0.0
Место стадчи         0.0
Статус               0.0
Есть справка         0.0
dtype: float64


df_p.columns = df_p.columns.str.lower().str.replace(' ', '_')
df_p.columns

Index(['id', 'id_пользователя', 'класс_крови', 'дата_донации',
       'дата_планирования', 'тип_донации', 'регион', 'место_стадчи', 'статус',
       'есть_справка'],
      dtype='object')


df_p =df_p.rename(columns = {'место_стадчи':'место_сдачи','дата_планирования':'дата_записи','дата_донации':'дата_план'})


df_p['дата_план'].value_counts(dropna=False)

20.04.2023    251
20.04.2022    241
14.06.2022    221
25.04.2023    173
19.10.2023    159
             ... 
02.01.2021      1
01.01.2021      1
10.01.2021      1
30.07.2100      1
02.01.2024      1
Name: дата_план, Length: 1175, dtype: int64


df_p['дата_записи'].value_counts(dropna=False)

19.04.2023    154
13.04.2022    153
21.05.2023    128
18.04.2023    115
12.10.2023    110
             ... 
07.01.2021      1
18.04.2021      1
17.12.2020      1
30.05.2021      1
10.01.2021      1
Name: дата_записи, Length: 1098, dtype: int64


df_p['дата_план'] = pd.to_datetime(df_p['дата_план'], format='%d.%m.%Y', errors='coerce')
df_p['дата_записи'] = pd.to_datetime(df_p['дата_записи'], format='%d.%m.%Y', errors='coerce')


(df_p['дата_записи'].dt.year).value_counts(dropna=False)

2023    12570
2022    10889
2021     4009
2020      252
Name: дата_записи, dtype: int64


(df_p['дата_план'].dt.year).value_counts(dropna=False)

2023    12931
2022    10598
2021     3857
2024      180
2020      150
2100        2
2030        1
2099        1
Name: дата_план, dtype: int64


df_p['год'] = df_p['дата_план'].dt.year


df_p.query('год== 2024')


(df_p.query('год== 2024')).есть_справка.value_counts()

Нет    179
Да       1
Name: есть_справка, dtype: int64


df_p.id.nunique()

27720


#Загрузка датасета
df_f = pd.read_csv(patch + 'feedback_anon 281123.csv')


df_f = inform(df_f)

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 16795 entries, 0 to 16794
Data columns (total 5 columns):
 #   Column           Non-Null Count  Dtype 
---  ------           --------------  ----- 
 0   ID пользователя  16795 non-null  int64 
 1   Место сдачи      16795 non-null  object
 2   Дата донации     16795 non-null  object
 3   Оценка           16795 non-null  int64 
 4   ID донации       16795 non-null  int64 
dtypes: int64(3), object(2)
memory usage: 656.2+ KB
Количество дубликатов - 188
Число пропусков - ID пользователя    0
Место сдачи        0
Дата донации       0
Оценка             0
ID донации         0
dtype: int64
Доля пропусков - ID пользователя    0.0
Место сдачи        0.0
Дата донации       0.0
Оценка             0.0
ID донации         0.0
dtype: float64


df_f.columns = df_f.columns.str.lower().str.replace(' ', '_')
df_f.columns

Index(['id_пользователя', 'место_сдачи', 'дата_донации', 'оценка',
       'id_донации'],
      dtype='object')


df_f['дата_донации'] = pd.to_datetime(df_f['дата_донации'], format='%d.%m.%Y', errors='coerce')


(df_f['дата_донации'].dt.year).value_counts()

2022.0    5330
2023.0    4820
2021.0    3042
2020.0    1076
2019.0     572
2018.0     391
2017.0     340
2016.0     236
2015.0     208
2014.0     191
2013.0     135
2012.0     109
2011.0      79
2010.0      60
2009.0      29
2006.0      25
2005.0      21
2007.0      19
2004.0      16
2000.0      14
2008.0      12
2001.0       7
2002.0       7
2003.0       7
1998.0       7
1999.0       6
1996.0       6
1993.0       5
1997.0       5
1994.0       5
1995.0       4
1992.0       4
1988.0       2
1991.0       2
1989.0       2
Name: дата_донации, dtype: int64


df_f[df_f.duplicated()].head(10)


df_f.drop_duplicates()


df_f['дата_донации'] = pd.to_datetime(df_f['дата_донации'], format='%Y.%m.%d', errors='coerce')


get_date_range_info(df_f,'дата_донации')

'Данные представлены за период от 1988-05-03 00:00:00 до 2023-11-28 00:00:00, разница в 12992 days 00:00:00.'


df_f['дата_донации']

0       2023-11-28
1       2023-11-28
2       2023-11-27
3       2023-11-28
4       2023-11-28
           ...    
16790   2019-10-18
16791   2020-11-19
16792   2020-11-18
16793   2020-11-09
16794   2020-11-19
Name: дата_донации, Length: 16795, dtype: datetime64[ns]


df_f.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 16795 entries, 0 to 16794
Data columns (total 5 columns):
 #   Column           Non-Null Count  Dtype         
---  ------           --------------  -----         
 0   id_пользователя  16795 non-null  int64         
 1   место_сдачи      16795 non-null  object        
 2   дата_донации     16794 non-null  datetime64[ns]
 3   оценка           16795 non-null  int64         
 4   id_донации       16795 non-null  int64         
dtypes: datetime64[ns](1), int64(3), object(1)
memory usage: 656.2+ KB


df_f=df_f.dropna(subset=['дата_донации'])
df_f.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 16794 entries, 0 to 16794
Data columns (total 5 columns):
 #   Column           Non-Null Count  Dtype         
---  ------           --------------  -----         
 0   id_пользователя  16794 non-null  int64         
 1   место_сдачи      16794 non-null  object        
 2   дата_донации     16794 non-null  datetime64[ns]
 3   оценка           16794 non-null  int64         
 4   id_донации       16794 non-null  int64         
dtypes: datetime64[ns](1), int64(3), object(1)
memory usage: 787.2+ KB


#Загрузка датасета
df_st = pd.read_csv(patch + 'stat_uni_20231128151236_92977.csv')


df_st = inform(df_st)

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 155 entries, 0 to 154
Data columns (total 9 columns):
 #   Column            Non-Null Count  Dtype  
---  ------            --------------  -----  
 0   Дата              155 non-null    object 
 1   Название выпуска  155 non-null    object 
 2   Получатели        155 non-null    object 
 3   Отправлено        155 non-null    int64  
 4   Доставлено %      155 non-null    float64
 5   OR %              151 non-null    float64
 6   CTR %             151 non-null    float64
 7   Ошибки %          155 non-null    float64
 8   Отписки %         151 non-null    float64
dtypes: float64(5), int64(1), object(3)
memory usage: 11.0+ KB
Количество дубликатов - 0
Число пропусков - Дата                0
Название выпуска    0
Получатели          0
Отправлено          0
Доставлено %        0
OR %                4
CTR %               4
Ошибки %            0
Отписки %           4
dtype: int64
Доля пропусков - Дата                0.000000
Название выпуска    0.000000
Получатели          0.000000
Отправлено          0.000000
Доставлено %        0.000000
OR %                0.025806
CTR %               0.025806
Ошибки %            0.000000
Отписки %           0.025806
dtype: float64


df_st.columns = df_st.columns.str.lower().str.replace(' ', '_')
df_st.columns

Index(['дата', 'название_выпуска', 'получатели', 'отправлено', 'доставлено_%',
       'or_%', 'ctr_%', 'ошибки_%', 'отписки_%'],
      dtype='object')


df_st['дата'] = pd.to_datetime(df_st['дата'], errors='coerce')


get_date_range_info(df_st, 'дата')

'Данные представлены за период от 2018-06-27 12:32:53 до 2023-11-28 14:10:23, разница в 1980 days 01:37:30.'


df_st.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 155 entries, 0 to 154
Data columns (total 9 columns):
 #   Column            Non-Null Count  Dtype         
---  ------            --------------  -----         
 0   дата              155 non-null    datetime64[ns]
 1   название_выпуска  155 non-null    object        
 2   получатели        155 non-null    object        
 3   отправлено        155 non-null    int64         
 4   доставлено_%      155 non-null    float64       
 5   or_%              151 non-null    float64       
 6   ctr_%             151 non-null    float64       
 7   ошибки_%          155 non-null    float64       
 8   отписки_%         151 non-null    float64       
dtypes: datetime64[ns](1), float64(5), int64(1), object(2)
memory usage: 11.0+ KB


df_st.название_выпуска.unique()

array(['P_Запрос пожертвований на лояльных 28.11.2023',
       'Значки отправлены 29', 'Значки отзывы 28',
       '«Мы помогаем каждому найти в себе донора»_02/11|23',
       'Значки отправлены 28',
       '2 «Мы помогаем каждому найти в себе донора» 25.10.2023, 16:32',
       'Мы помогаем каждому найти в себе донора', 'Значки отзывы 27',
       '«А теперь я, как ты!» ver.1 - больше 10 донаций (без значка)',
       '«А теперь я, как ты!» ver.1 - есть значок',
       '«А теперь я, как ты!» ver.1 - сегмент лейки (если нет в других списках) до 1.10.23',
       '«А теперь я, как ты!» ver.1 - от 1 до 9 донаций',
       '«А теперь я, как ты!» ver.1 - 2023',
       '«А теперь я, как ты!» ver.1 - 2022',
       '«А теперь я, как ты!» ver.1 - 2021', 'Значки отзывы города 6',
       'Значки отправлены 27', 'Сентябрь отчет', 'Значки отзывы 26',
       'Значки ждут в центре крови 1', 'Значки отправлены 26',
       'Нет донаций 07.09.2023', 'Значки отзывы 25',
       'Значки отправлены 25', 'Значки отзывы 24',
       'Нет донаций 02.08.2023', 'Значки отзывы города 5',
       'Значки отправлены 24', 'Значки отзывы 23',
       'Нужны доноры, Казань июль', 'Значки отправлены 23',
       'Значки отзывы 22', 'Нет донаций 18.06.2023',
       'всемирный день донора 2023', 'Значки отправлены 22', 'Июнь инфо',
       'Значки отзывы 21', 'Марафон май финал', 'Значки отправлены 21',
       'Значки отзывы города 4', 'Значки отзывы 20',
       'Значки отправлены 20', 'Значки отзывы 19', 'День донора_все',
       'Донатеры 20 апреля 2023', 'Значки отправлены 19',
       'Нет донаций 12.04.2023', 'Новый выпуск 10.04.2023, 19:40:24',
       'Значки отзывы 18', 'Значки отзывы города 3',
       'Новый выпуск 04.04.2023, 13:47:26', 'Значки отправлены 18',
       'Значки отзывы 17', 'Значки отправлены 17',
       'Нет донаций 15.03.2023', 'Значки отзывы 16', 'Значки отзывы 15',
       'марафон май', 'значки отправлены 16', 'значки отправлены 15',
       'Значки отзывы  Города 2', 'Значки отзывы 14', 'Flowwow',
       'Нет донаций 6.02', 'значки отправлены 14', 'Значки отзывы 13',
       'значки отзывы 12', 'значки отзывы 11', 'значки отправлены 13',
       'Новый выпуск 30.12.2022, 16:35:15', 'значки отправлены 12',
       'Нет донаций', 'значки отправлены 11', 'значки отзывы хмао',
       'значки отзывы 10', 'значки отзывы 9', 'значки отзывы 8',
       'значки отзывы 7', 'значки отправлены 10', 'значки отправлены 9',
       'рассылка ноября', 'значки отправлены_8', 'значки отзывы 6',
       'значки отзывы 5', 'Значки отзывы 4', 'значки отправлены_7',
       'день рождения проекта 2022', 'значки отправлены_6',
       'Значки отзывы 1-3', 'Рассылка октября', 'значки отправлены_5',
       'Не верифицированы_2', 'значки отправлены_4',
       'Значки отправлены_3', 'Значки отправлены_2', 'Значки_сегмент 20+',
       'Значки_нет донаций 1',
       'Создано из «Значки_старт заказов» 09.09.2022, 16:18',
       'Марафон_октябрь', 'Значки_старт заказов', 'СПБ_нужны доноры',
       'Поддержите нас', 'Бонусы июля',
       'Спецпроект Тест кто ты 14.06.2022, 12:48',
       'Анонс мероприятий к 14 июня Казань', 'марафон детали',
       'яндекс бонус', 'марафон',
       'Создано из «20 апреля» 20.04.2022, 13:03', '20 апреля',
       'ТОПЫ 12.04.2022, 15:07', 'Мы в других соцсетях', 'Бонусы гетт',
       'День Рождения проекта 04.11.2021', 'АСИ опрос 17.09.2021, 12:13',
       'Рассылка опроса по мероприятиям', 'день донора',
       'Конкурс «КиноПоиск HD»', '«11 апреля ВДНХ КиноПоиск»',
       'Создано из «Спецпроект 20 апреля» 19.04.2021, 22:17',
       'анонс конкурса все майки 24.01', 'итоги 2020 30.12.2020, 16:36',
       'День Рождения проекта 02.11.2020, 19:42',
       'Приглашение BETA пользователей на Newdonorsearch и в беседу телеграм 23.10.2020, 17:29',
       'Оповещение BETA пользователей',
       'Чат-бот о донорстве костного мозга 12.10.2020, 10:36',
       'Такси для доноров  15.04.2020', 'C наступающим Новым годом',
       'С любовью, твой реципиент', 'Донор спас два миллиона детей',
       'Большая помощь и комары',
       'Интересные исследования о донорстве крови',
       'Понедельник и центры крови', 'Путешествия и акции',
       'День рождения DonorSearch!',
       'День Рождения Руслана и история Алены Фирсовой',
       'Создано из «Новый выпуск 12.10.2019 14:48:42» 19.10.2019 01:01',
       'Новый выпуск 12.10.2019 14:48:42',
       'Новый выпуск 21.09.2019 20:59:02',
       'конкурс shop21 09.08.2019 11:40',
       'Создано из «Конкурс Всемайки Февраль» 19.03.2019 13:24',
       '«День донора ВКонтакте» 14.06.2019»',
       '«Конкурс Всемайки май» 30.05.2019', 'Казань майские нехватка',
       'Конкурс Всемайки Февраль',
       'Создано из «Создано из «новый год» 26.12.18 10:21:30» 26.12.18 12:46:51',
       'Создано из «новый год» 26.12.18 10:21:30',
       'Halloween в центре крови🎃', 'Новый выпуск 24.07.18 12:51:47',
       'iOS Android', 'Реанимация1 - Мы перазпустились',
       'Создано из «Реанимация «Приветствие донорам DonorSearch.» 27.06.18 13:01:43» 27.06.18 13:56:19',
       'Реанимация «Приветствие донорам DonorSearch.» 27.06.18 13:01:43',
       'Создано из «Приветствие донорам DonorSearch.» 27.06.18 12:42:06',
       'Приветствие донорам DonorSearch.'], dtype=object)


df_st['ошибки_%'].value_counts(dropna=False)

0.00     56
1.30      3
1.60      3
0.72      3
1.45      2
         ..
0.87      1
2.56      1
0.24      1
2.67      1
13.44     1
Name: ошибки_%, Length: 81, dtype: int64


df_st[df_st['ctr_%'].isnull()]


df_st=df_st.dropna(subset=['ctr_%'])


df_st.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 151 entries, 0 to 154
Data columns (total 9 columns):
 #   Column            Non-Null Count  Dtype         
---  ------            --------------  -----         
 0   дата              151 non-null    datetime64[ns]
 1   название_выпуска  151 non-null    object        
 2   получатели        151 non-null    object        
 3   отправлено        151 non-null    int64         
 4   доставлено_%      151 non-null    float64       
 5   or_%              151 non-null    float64       
 6   ctr_%             151 non-null    float64       
 7   ошибки_%          151 non-null    float64       
 8   отписки_%         151 non-null    float64       
dtypes: datetime64[ns](1), float64(5), int64(1), object(2)
memory usage: 11.8+ KB


#Загрузка датасета
df_st1 = pd.read_csv(patch + 'stat_uni_20231128151256_34555.csv')


df_st1 = inform(df_st1)

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3154 entries, 0 to 3153
Data columns (total 9 columns):
 #   Column            Non-Null Count  Dtype  
---  ------            --------------  -----  
 0   Дата              3154 non-null   object 
 1   Название выпуска  3154 non-null   object 
 2   Получатели        3154 non-null   object 
 3   Отправлено        3154 non-null   int64  
 4   Доставлено %      3071 non-null   float64
 5   OR %              3064 non-null   float64
 6   CTR %             3064 non-null   float64
 7   Ошибки %          3071 non-null   float64
 8   Отписки %         3064 non-null   float64
dtypes: float64(5), int64(1), object(3)
memory usage: 221.9+ KB
Количество дубликатов - 2
Число пропусков - Дата                 0
Название выпуска     0
Получатели           0
Отправлено           0
Доставлено %        83
OR %                90
CTR %               90
Ошибки %            83
Отписки %           90
dtype: int64
Доля пропусков - Дата                0.000000
Название выпуска    0.000000
Получатели          0.000000
Отправлено          0.000000
Доставлено %        0.026316
OR %                0.028535
CTR %               0.028535
Ошибки %            0.026316
Отписки %           0.028535
dtype: float64


df_st1.columns = df_st1.columns.str.lower().str.replace(' ', '_')
df_st1.columns

Index(['дата', 'название_выпуска', 'получатели', 'отправлено', 'доставлено_%',
       'or_%', 'ctr_%', 'ошибки_%', 'отписки_%'],
      dtype='object')


df_st1['дата'] = pd.to_datetime(df_st1['дата'], errors='coerce')


get_date_range_info(df_st1, 'дата')

'Данные представлены за период от 2018-05-15 17:55:06 до 2023-11-28 13:42:34, разница в 2022 days 19:47:28.'


df_st1.название_выпуска.unique()

array(['P_Запрос пожертвований на лояльных 28.11.2023',
       'P_Welcome (0 донаций) на ранее рег. 28.11.2023',
       'Подтвержение email', 'DonorSearch.org - Данные для входа',
       'Спасибо за участие в донорском мероприятии',
       'P_Welcome (0 донаций) на ранее рег.', 'Добро пожаловать',
       'Значок отправлен', 'form_2_fill-draft',
       'Подтверждение подписки на рассылку', 'Восстановление пароля',
       'Донация загружена',
       '«Мы помогаем каждому найти в себе донора»_02/11|23',
       'Значки отправлены 28', 'Мы помогаем каждому найти в себе донора.',
       '«А теперь я, как ты!» ver.1 - Лейка до 1.10.23',
       '«А теперь я, как ты!» ver.1', 'Новый выпуск 10.10.2023, 23:58:14',
       'Ваша донация отклонена!', 'ID 732 Новая карточка реципиента',
       'Новая заявка на создание мероприятия',
       'ID 722 Новая карточка реципиента',
       'ID 667 Новая карточка реципиента', 'Нужны доноры, Казань июль',
       'всемирный день донора 2023', 'Июнь инфо',
       'Новый выпуск 06.06.2023, 15:43:01',
       'Подтвердите подписку на рассылку', 'Марафон май финал',
       'День донора_все', 'Донатеры 20 апреля 2023',
       'Новый выпуск 10.04.2023, 19:40:24',
       'Новый выпуск 04.04.2023, 13:47:26',
       'Новый выпуск 06.03.2023, 20:55:38',
       'Новый выпуск 11.02.2023, 19:46:42',
       'Новый выпуск 25.01.2023, 16:33:41', 'тест тильда',
       'Новый выпуск 30.12.2022, 16:35:15', 'рассылка ноября',
       'день рождения проекта 2022', 'Значки отзывы 1-3',
       'Рассылка октября', 'Новое письмо 14.10.2022, 14:42:26',
       'Не верифицированы_2', 'значки отправлены_4',
       'Значки отправлены_3', 'Значки отправлены_2',
       'Значки_нет донаций 1',
       'Создано из «Значки_старт заказов» 09.09.2022, 16:18',
       'Марафон_октябрь', 'Значки_старт заказов', 'СПБ_нужны доноры',
       'Поддержите нас', 'Бонусы июля',
       'Спецпроект Тест кто ты 14.06.2022, 12:48',
       'Анонс мероприятий к 14 июня Казань', 'марафон детали',
       'яндекс бонус', 'марафон', '20 апреля', 'ТОПЫ 12.04.2022, 15:07',
       'Мы в других соцсетях', 'Бонусы гетт',
       'Завершение срока отвода от сдачи крови', 'Задежрка модерации',
       'День Рождения проекта 04.11.2021', 'АСИ опрос 17.09.2021, 12:13',
       'день донора', 'Конкурс «КиноПоиск HD»',
       '«11 апреля ВДНХ КиноПоиск»',
       'Создано из «Спецпроект 20 апреля» 19.04.2021, 22:17',
       'Оповещение перед запланированной донацией',
       'анонс конкурса все майки 24.01', 'итоги 2020 30.12.2020, 16:36',
       'pwd_reset', 'Ваша донация одобрена!',
       'День Рождения проекта 02.11.2020, 19:42',
       'Восстановление пароля на портале добровольцыроссии.рф',
       'Чат-бот о донорстве костного мозга 12.10.2020, 10:36',
       'Проверка почты', 'Test', 'Такси для доноров  15.04.2020',
       'Письмо подтверждения 2019-11-05T11:40:41.705Z',
       'Письмо подтверждения 2019-11-05T14:48:59.298Z',
       'C наступающим Новым годом', 'С любовью, твой реципиент',
       'Донор спас два миллиона детей', 'Большая помощь и комары',
       'Интересные исследования о донорстве крови',
       'Понедельник и центры крови', 'Путешествия и акции',
       'День рождения DonorSearch!',
       'День Рождения Руслана и история Алены Фирсовой',
       'Создано из «Новый выпуск 12.10.2019 14:48:42» 19.10.2019 01:01',
       'Новый выпуск 12.10.2019 14:48:42',
       'Новый выпуск 21.09.2019 20:59:02',
       'конкурс shop21 09.08.2019 11:40',
       'Создано из «Конкурс Всемайки Февраль» 19.03.2019 13:24',
       '«День донора ВКонтакте» 14.06.2019»',
       '«Конкурс Всемайки май» 30.05.2019', 'Казань майские нехватка',
       'Конкурс Всемайки Февраль',
       'Создано из «новый год» 26.12.18 10:21:30',
       'Halloween в центре крови🎃', 'Подтверждение данных',
       'Восстановление Пароля',
       'Тестовая копия: [% anketa.base.firstName %], мы подготовили для доноров бонусную программу😉',
       'Тестовая копия: Новый шаблон 15.05.2018 17:29:00',
       'Письмо подтверждения'], dtype=object)


df_st1.получатели.unique()

array(['Транзакционные выпуски'], dtype=object)


df_st1[df_st1['ctr_%'].isnull()]


df_st1=df_st1.dropna().reset_index()


df_st1.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3064 entries, 0 to 3063
Data columns (total 10 columns):
 #   Column            Non-Null Count  Dtype         
---  ------            --------------  -----         
 0   index             3064 non-null   int64         
 1   дата              3064 non-null   datetime64[ns]
 2   название_выпуска  3064 non-null   object        
 3   получатели        3064 non-null   object        
 4   отправлено        3064 non-null   int64         
 5   доставлено_%      3064 non-null   float64       
 6   or_%              3064 non-null   float64       
 7   ctr_%             3064 non-null   float64       
 8   ошибки_%          3064 non-null   float64       
 9   отписки_%         3064 non-null   float64       
dtypes: datetime64[ns](1), float64(5), int64(2), object(2)
memory usage: 239.5+ KB


#Загрузка датасета
df_m = pd.read_csv(patch + 'Мероприятия 281123.csv')


df_m = inform(df_m)

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 1539 entries, 0 to 1538
Data columns (total 6 columns):
 #   Column                     Non-Null Count  Dtype 
---  ------                     --------------  ----- 
 0   ID                         1539 non-null   int64 
 1   ID ОРГАНИЗАТОРА            1539 non-null   int64 
 2   НАЧАЛО                     1539 non-null   object
 3   КОНЕЦ                      1539 non-null   object
 4   ЗАПИСАЛИСЬ НА МЕРОПРИЯТИЕ  1539 non-null   int64 
 5   ГОРОД                      1537 non-null   object
dtypes: int64(3), object(3)
memory usage: 72.3+ KB
Количество дубликатов - 0
Число пропусков - ID                           0
ID ОРГАНИЗАТОРА              0
НАЧАЛО                       0
КОНЕЦ                        0
ЗАПИСАЛИСЬ НА МЕРОПРИЯТИЕ    0
ГОРОД                        2
dtype: int64
Доля пропусков - ID                           0.0000
ID ОРГАНИЗАТОРА              0.0000
НАЧАЛО                       0.0000
КОНЕЦ                        0.0000
ЗАПИСАЛИСЬ НА МЕРОПРИЯТИЕ    0.0000
ГОРОД                        0.0013
dtype: float64


df_m.columns = df_m.columns.str.lower().str.replace(' ', '_')
df_m.columns

Index(['id', 'id_организатора', 'начало', 'конец', 'записались_на_мероприятие',
       'город'],
      dtype='object')


df_m['начало'] = pd.to_datetime(df_m['начало'], format='%d.%m.%Y %H:%M', errors='coerce')
df_m['конец'] = pd.to_datetime(df_m['конец'],format='%d.%m.%Y %H:%M', errors='coerce')


df_m.nunique ()

id                           1539
id_организатора               561
начало                       1140
конец                        1146
записались_на_мероприятие      55
город                         238
dtype: int64


df_m.город.unique()

array(['Россия,  Москва', 'Россия, Татарстан, Казань',
       'Россия, Самарская область, Самара',
       'Россия, Татарстан, Набережные Челны',
       'Россия, Пензенская область, Пенза',
       'Россия, Ростовская область, Ростов-на-Дону',
       'Россия, Красноярский край, Красноярск',
       'Россия, Татарстан, Альметьевск', 'Россия, Алтай, Горно-Алтайск',
       'Россия, Калужская область, Обнинск',
       'Россия, Омская область, Омск',
       'Россия, Амурская область, Благовещенск',
       'Россия, Калининградская область, Калининград',
       'Россия, Тыва, Кызыл',
       'Россия, Свердловская область, Екатеринбург',
       'Россия, Саратовская область, Саратов',
       'Россия, Карелия, Петрозаводск',
       'Россия, Ростовская область, Сальск',
       'Россия, Ростовская область, Таганрог', 'Россия,  Санкт-Петербург',
       'Россия, Курская область, Курск',
       'Россия, Приморский край, Партизанск',
       'Россия, Ивановская область, Иваново', nan,
       'Россия, Забайкальский край, Чита',
       'Россия, Московская область, Красногорск',
       'Россия, Новосибирская область, Новосибирск',
       'Россия, Башкортостан, Уфа', 'Россия, Пермский край, Пермь',
       'Россия, Удмуртия, Ижевск', 'Россия, Кемеровская область, Тисуль',
       'Россия, Воронежская область, Воронеж',
       'Россия, Московская область, Электроизолятор',
       'Россия, Московская область, Химки',
       'Россия, Московская область, Долгопрудный',
       'Россия, Московская область, Коломна', 'Россия, Крым, Симферополь',
       'Россия, Мордовия, Саранск', 'Россия, Калужская область, Калуга',
       'Россия, Томская область, Томск', 'Россия, Чувашия, Чебоксары',
       'Россия, Алтайский край, Камень-на-Оби',
       'Россия, Ивановская область, Кинешма',
       'Россия, Магаданская область, Магадан',
       'Россия, Ставропольский край, Пятигорск',
       'Россия, Самарская область, Отрадный',
       'Россия, Ярославская область, Переславль-Залесский',
       'Россия, Приморский край, Владивосток',
       'Россия, Тульская область, Дубна',
       'Россия, Смоленская область, Смоленск',
       'Россия, Алтайский край, Барнаул',
       'Россия, Пензенская область, Заречный',
       'Россия, Московская область, Домодедово',
       'Россия, Свердловская область, Первоуральск',
       'Россия, Алтайский край, Рубцовск',
       'Россия, Московская область, Королёв',
       'Россия, Нижегородская область, Нижний Новгород',
       'Россия, Ульяновская область, Ульяновск',
       'Россия, Московская область, Волоколамск',
       'Россия, Тульская область, Тула',
       'Россия, Псковская область, Псков',
       'Россия, Владимирская область, Ковров',
       'Россия, Астраханская область, Астрахань',
       'Россия, Татарстан, Нижнекамск',
       'Россия, Свердловская область, Заречный',
       'Россия, Архангельская область, Архангельск',
       'Россия, Московская область, Лобня',
       'Россия, Саха /Якутия/, Якутск',
       'Россия, Костромская область, Кострома',
       'Россия, Смоленская область, Хотьково',
       'Россия, Краснодарский край, Краснодар',
       'Россия, Ярославская область, Ярославль',
       'Россия, Московская область, Балашиха',
       'Россия, Камчатский край, Петропавловск-Камчатский',
       'Россия, Вологодская область, Молочное',
       'Россия, Челябинская область, Трехгорный',
       'Россия, Кемеровская область, Кемерово',
       'Россия, Краснодарский край, Горячий Ключ',
       'Россия, Тверская область, Тверь',
       'Россия, Самарская область, Новокуйбышевск',
       'Россия, Московская область, Жуковский',
       'Россия, Хабаровский край, Хабаровск',
       'Россия, Московская область, Сергиев Посад',
       'Россия, Саратовская область, Балашов',
       'Россия, Московская область, Подольск',
       'Россия, Вологодская область, Вологда',
       'Россия, Московская область, Щёлково',
       'Россия, Московская область, Егорьевск',
       'Россия, Московская область, Дубна',
       'Россия, Волгоградская область, Волгоград',
       'Россия, Ростовская область, Волгодонск',
       'Россия, Ростовская область, Шахты',
       'Россия, Кировская область, Киров',
       'Россия, Ленинградская область, Шлиссельбург',
       'Россия, Самарская область, Тольятти',
       'Россия, Московская область, Зеленоград',
       'Россия, Краснодарский край, Анапа',
       'Россия, Московская область, Хотьково',
       'Россия, Марий Эл, Йошкар-Ола',
       'Россия, Челябинская область, Челябинск',
       'Россия, Московская область, Электросталь',
       'Россия, Ставропольский край, Буденновск',
       'Россия, Краснодарский край, Динская', 'Россия, Крым, Бахчисарай',
       'Россия, Московская область, Реутов',
       'Россия, Ростовская область, Королев',
       'Россия, Ленинградская область, Отрадное',
       'Россия, Орловская область, Льгов',
       'Россия, Курганская область, Курган',
       'Россия, Московская область, Раменское',
       'Россия, Свердловская область, Новоуральск',
       'Россия, Иркутская область, Иркутск',
       'Россия, Ленинградская область, Кингисепп',
       'Россия, Ленинградская область, Пикалево',
       'Россия, Ленинградская область, Бокситогорск',
       'Россия, Орловская область, Орёл', 'Россия, Алтайский край, Бийск',
       'Россия, Тюменская область, Тюмень',
       'Россия, Пензенская область, Мокшан',
       'Россия, Татарстан, Чистополь', 'Россия, Пермский край, Кизел',
       'Россия, Архангельская область, Северодвинск',
       'Россия, Московская область, Орехово-Зуево',
       'Россия, Кемеровская область, Юрга',
       'Россия, Калининградская область, Советск',
       'Россия, Липецкая область, Задонск',
       'Россия, Мурманская область, Заполярный',
       'Россия, Ленинградская область, Кириши',
       'Россия, Ленинградская область, Волхов',
       'Россия, Московская область, Павловский Посад',
       'Россия, Ставропольский край, Минеральные Воды',
       'Россия, Мордовия, Песочный',
       'Россия, Московская область, Пушкино',
       'Россия, Московская область, Можайск',
       'Россия, Пермский край, Лысьва',
       'Россия, Еврейская АОбл, Биробиджан',
       'Россия, Мурманская область, Кировск',
       'Россия, Нижегородская область, Алатырь',
       'Россия, Нижегородская область, Лысково',
       'Россия, Оренбургская область, Оренбург', 'Россия, Чечня, Грозный',
       'Россия, Липецкая область, Липецк',
       'Россия, Пермский край, Березники',
       'Россия, Калужская область, Мещовск',
       'Россия, Калининградская область, Черняховск',
       'Россия, Московская область, Черноголовка',
       'Россия, Московская область, Воскресенск',
       'Россия, Калининградская область, Неман',
       'Россия, Белгородская область, Белгород',
       'Россия, Волгоградская область, Камышин',
       'Россия, Ленинградская область, Сясьстрой',
       'Россия, Брянская область, Брянск',
       'Россия, Московская область, Одинцово', 'Россия, Коми, Ухта',
       'Россия, Ставропольский край, Ставрополь',
       'Россия, Вологодская область, Щелково',
       'Россия, Ленинградская область, Луга',
       'Россия, Челябинская область, Озерск',
       'Россия, Ханты-Мансийский Автономный округ - Югра АО, Ханты-Мансийск',
       'Россия, Челябинская область, Чебаркуль',
       'Россия, Брянская область, Лиски',
       'Россия, Ленинградская область, Павлово',
       '_, Донецкая область, Донецк',
       'Россия, Воронежская область, Борисоглебск',
       'Россия, Ленинградская область, Сланцы',
       'Россия, Мурманская область, Мурманск',
       'Россия, Нижегородская область, Бор',
       'Россия, Нижегородская область, Ветлуга',
       'Россия, Нижегородская область, Кстово',
       'Россия, Нижегородская область, Заволжье',
       'Россия, Ярославская область, Гаврилов-Ям',
       'Россия, Ханты-Мансийский Автономный округ - Югра АО, Сургут',
       'Россия, Смоленская область, Десногорск',
       'Россия, Бурятия, Улан-Удэ',
       'Россия, Нижегородская область, Княгинино',
       'Россия, Пермский край, Соликамск',
       'Россия, Нижегородская область, Богородск',
       'Россия, Челябинская область, Магнитогорск',
       'Россия, Крым, Севастополь', '_, Херсонская область, Молочное',
       'Россия, Тульская область, Венев',
       'Россия, Красноярский край, Лесосибирск',
       'Россия, Ленинградская область, Коммунар',
       'Россия, Свердловская область, Усть-Кишерть',
       'Россия, Краснодарский край, Сочи',
       'Россия, Нижегородская область, Выкса',
       'Россия, Иркутская область, Перевоз',
       'Россия, Московская область, Серпухов',
       'Россия, Ставропольский край, Георгиевск',
       'Россия, Московская область, Краснознаменск',
       'Россия, Ленинградская область, Всеволожск',
       'Беларусь, Минская область, Минск',
       'Россия, Пермский край, Добрянка',
       'Россия, Московская область, Клин',
       'Россия, Московская область, Дмитров',
       'Россия, Калужская область, Малоярославец', 'Молдова,  Тирасполь',
       'Россия, Калининградская область, Гусев',
       'Россия, Сахалинская область, Горнозаводск',
       'Россия, Московская область, Шатура',
       'Россия, Московская область, Рошаль',
       'Россия, Красноярский край, Заозерный',
       'Россия, Московская область, Электрогорск',
       'Россия, Московская область, Луховицы',
       'Россия, Пермский край, Гремячинск',
       'Россия, Калининградская область, Нестеров',
       'Россия, Московская область, Шаховская',
       'Россия, Мурманская область, Полярный',
       'Россия, Мурманская область, Апатиты',
       'Россия, Ленинградская область, Волосово',
       'Россия, Калининградская область, Балтийск',
       'Россия, Мурманская область, Оленегорск',
       'Россия, Ленинградская область, Тихвин',
       'Россия, Мурманская область, Снежногорск',
       'Россия, Челябинская область, Нязепетровск',
       'Россия, Ленинградская область, Никольское',
       'Россия, Московская область, Янино',
       'Россия, Ленинградская область, Ломоносов',
       'Россия, Краснодарский край, Усть-Лабинск',
       'Россия, Татарстан, Буинск', 'Таджикистан,  Чкаловск',
       'Беларусь, Витебская область, Витебск',
       'Россия, Кабардино-Балкарская, Нальчик',
       'Россия, Калмыкия, Элиста',
       'Россия, Свердловская область, Сысерть',
       'Россия, Красноярский край, Шарыпово',
       'Казахстан, Восточно-Казахстанская область, Усть-Каменогорск',
       'Россия, Ингушетия, Назрань', 'Россия, Рязанская область, Рязань',
       'Россия, Московская область, Видное',
       'Россия, Дагестан, Махачкала', 'Россия, Красноярский край, Ачинск',
       'Россия, Свердловская область, Нижний Тагил',
       'Россия, Тюменская область, Ишим',
       'Россия, Ленинградская область, Гатчина',
       'Россия, Кемеровская область, Новокузнецк', 'Россия, Крым, Керчь',
       'Россия, Рязанская область, Пущино',
       'Россия, Ленинградская область, Агалатово'], dtype=object)


get_date_range_info(df_m, 'начало')

'Данные представлены за период от 2017-09-11 10:13:00 до 2023-12-04 09:00:00, разница в 2274 days 22:47:00.'


get_date_range_info(df_m, 'конец')

'Данные представлены за период от 2017-09-11 12:00:00 до 2023-12-04 14:00:00, разница в 2275 days 02:00:00.'


df_m[df_m['город'].isnull()]


df_m=df_m.dropna()


df_m.записались_на_мероприятие.value_counts()

0     1338
1       40
2       17
3       12
8       12
4       11
9       11
6        7
11       5
5        5
13       4
21       4
14       4
31       4
22       4
18       3
17       3
19       3
30       3
32       3
7        3
34       2
10       2
27       2
25       2
15       2
46       2
58       2
99       2
53       1
74       1
67       1
65       1
16       1
33       1
50       1
38       1
66       1
26       1
54       1
98       1
12       1
35       1
20       1
23       1
59       1
91       1
36       1
83       1
71       1
95       1
41       1
60       1
29       1
Name: записались_на_мероприятие, dtype: int64


df_m.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 1537 entries, 0 to 1538
Data columns (total 6 columns):
 #   Column                     Non-Null Count  Dtype         
---  ------                     --------------  -----         
 0   id                         1537 non-null   int64         
 1   id_организатора            1537 non-null   int64         
 2   начало                     1537 non-null   datetime64[ns]
 3   конец                      1537 non-null   datetime64[ns]
 4   записались_на_мероприятие  1537 non-null   int64         
 5   город                      1537 non-null   object        
dtypes: datetime64[ns](2), int64(3), object(1)
memory usage: 84.1+ KB


#Загрузка датасета
df_ju = pd.read_csv(patch + 'joined_users 281123.csv')


df_ju = inform(df_ju)

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 20908 entries, 0 to 20907
Data columns (total 4 columns):
 #   Column                             Non-Null Count  Dtype  
---  ------                             --------------  -----  
 0   id донора                          20908 non-null  int64  
 1   id мероприятия                     20908 non-null  int64  
 2   Выбранная дата донации             20908 non-null  object 
 3   Количество подтвержденных донаций  15472 non-null  float64
dtypes: float64(1), int64(2), object(1)
memory usage: 653.5+ KB
Количество дубликатов - 0
Число пропусков - id донора                               0
id мероприятия                          0
Выбранная дата донации                  0
Количество подтвержденных донаций    5436
dtype: int64
Доля пропусков - id донора                            0.000000
id мероприятия                       0.000000
Выбранная дата донации               0.000000
Количество подтвержденных донаций    0.259996
dtype: float64


df_ju.columns = df_ju.columns.str.lower().str.replace(' ', '_')
df_ju.columns

Index(['id_донора', 'id_мероприятия', 'выбранная_дата_донации',
       'количество_подтвержденных_донаций'],
      dtype='object')


df_ju['выбранная_дата_донации']

0        2023-11-29
1        2023-11-29
2        2023-11-29
3        2023-11-28
4        2023-11-28
            ...    
20903    2020-09-17
20904    2020-09-17
20905    2020-09-05
20906    2020-09-05
20907    2020-09-17
Name: выбранная_дата_донации, Length: 20908, dtype: object


df_ju['выбранная_дата_донации']  = pd.to_datetime(df_ju['выбранная_дата_донации'],errors='coerce')


get_date_range_info(df_ju, 'выбранная_дата_донации')

'Данные представлены за период от 2020-09-05 00:00:00 до 2023-12-04 00:00:00, разница в 1185 days 00:00:00.'


df_ju.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 20908 entries, 0 to 20907
Data columns (total 4 columns):
 #   Column                             Non-Null Count  Dtype         
---  ------                             --------------  -----         
 0   id_донора                          20908 non-null  int64         
 1   id_мероприятия                     20908 non-null  int64         
 2   выбранная_дата_донации             20908 non-null  datetime64[ns]
 3   количество_подтвержденных_донаций  15472 non-null  float64       
dtypes: datetime64[ns](1), float64(1), int64(2)
memory usage: 653.5 KB


df_ju.nunique()

id_донора                            19985
id_мероприятия                         201
выбранная_дата_донации                 172
количество_подтвержденных_донаций       57
dtype: int64


df_ju['количество_подтвержденных_донаций'].value_counts(dropna=False)

0.0      14456
NaN       5436
1.0        346
2.0        118
3.0         88
5.0         50
8.0         48
4.0         37
12.0        33
6.0         32
10.0        31
11.0        29
7.0         23
9.0         18
15.0        18
19.0        18
18.0        11
29.0        10
24.0         8
25.0         7
13.0         7
16.0         7
14.0         7
21.0         6
77.0         5
26.0         5
17.0         5
22.0         3
31.0         3
37.0         3
20.0         3
33.0         3
159.0        2
102.0        2
42.0         2
56.0         2
30.0         2
23.0         2
34.0         2
78.0         2
80.0         1
43.0         1
47.0         1
93.0         1
82.0         1
40.0         1
126.0        1
61.0         1
115.0        1
52.0         1
67.0         1
71.0         1
73.0         1
51.0         1
38.0         1
64.0         1
121.0        1
156.0        1
Name: количество_подтвержденных_донаций, dtype: int64


#Загрузка датасета
df_us = pd.read_csv(patch + 'users_anon_data 281123.csv')


df_us = inform(df_us)

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 265836 entries, 0 to 265835
Data columns (total 37 columns):
 #   Column                           Non-Null Count   Dtype 
---  ------                           --------------   ----- 
 0   ID                               265836 non-null  int64 
 1   Пол                              265836 non-null  object
 2   Дата рождения                    265836 non-null  object
 3   Регион                           265836 non-null  object
 4   Группа крови                     265836 non-null  object
 5   Kell-фактор                      265836 non-null  object
 6   Цельная кровь                    265836 non-null  object
 7   Плазма                           265836 non-null  object
 8   Тромбоциты                       265836 non-null  object
 9   Эритроциты                       265836 non-null  object
 10  Лейкоциты                        265836 non-null  object
 11  Костный мозг                     265836 non-null  object
 12  Почетный донор                   265836 non-null  object
 13  Отвод от донации                 265836 non-null  object
 14  Цельная кровь.1                  265836 non-null  int64 
 15  Плазма.1                         265836 non-null  int64 
 16  Тромбоциты.1                     265836 non-null  int64 
 17  Эритроциты.1                     265836 non-null  int64 
 18  Лейкоциты.1                      265836 non-null  int64 
 19  Дата регистрации                 265836 non-null  object
 20  Не подтверждённые донации        265836 non-null  int64 
 21  Прошедших донаций                265836 non-null  int64 
 22  Донаций до регистрации           265836 non-null  object
 23  Последняя активность             265836 non-null  object
 24  Теги                             265836 non-null  object
 25  Указан email                     265836 non-null  object
 26  Указан телефон                   265836 non-null  object
 27  Авторизация через ВК             265836 non-null  object
 28  Авторизация через Одноклассники  265836 non-null  object
 29  Авторизация через Твиттер        265836 non-null  object
 30  Авторизация через Яндекс         265836 non-null  object
 31  Авторизация через Гугл           265836 non-null  object
 32  Подтверждённые донации           265836 non-null  int64 
 33  Получен значок 20                265836 non-null  object
 34  Получен значок 100               265836 non-null  object
 35  Донаций на момент регистрации    265836 non-null  object
 36  Количество взятых бонусов        265836 non-null  int64 
dtypes: int64(10), object(27)
memory usage: 75.0+ MB
Количество дубликатов - 0
Число пропусков - ID                                 0
Пол                                0
Дата рождения                      0
Регион                             0
Группа крови                       0
Kell-фактор                        0
Цельная кровь                      0
Плазма                             0
Тромбоциты                         0
Эритроциты                         0
Лейкоциты                          0
Костный мозг                       0
Почетный донор                     0
Отвод от донации                   0
Цельная кровь.1                    0
Плазма.1                           0
Тромбоциты.1                       0
Эритроциты.1                       0
Лейкоциты.1                        0
Дата регистрации                   0
Не подтверждённые донации          0
Прошедших донаций                  0
Донаций до регистрации             0
Последняя активность               0
Теги                               0
Указан email                       0
Указан телефон                     0
Авторизация через ВК               0
Авторизация через Одноклассники    0
Авторизация через Твиттер          0
Авторизация через Яндекс           0
Авторизация через Гугл             0
Подтверждённые донации             0
Получен значок 20                  0
Получен значок 100                 0
Донаций на момент регистрации      0
Количество взятых бонусов          0
dtype: int64
Доля пропусков - ID                                 0.0
Пол                                0.0
Дата рождения                      0.0
Регион                             0.0
Группа крови                       0.0
Kell-фактор                        0.0
Цельная кровь                      0.0
Плазма                             0.0
Тромбоциты                         0.0
Эритроциты                         0.0
Лейкоциты                          0.0
Костный мозг                       0.0
Почетный донор                     0.0
Отвод от донации                   0.0
Цельная кровь.1                    0.0
Плазма.1                           0.0
Тромбоциты.1                       0.0
Эритроциты.1                       0.0
Лейкоциты.1                        0.0
Дата регистрации                   0.0
Не подтверждённые донации          0.0
Прошедших донаций                  0.0
Донаций до регистрации             0.0
Последняя активность               0.0
Теги                               0.0
Указан email                       0.0
Указан телефон                     0.0
Авторизация через ВК               0.0
Авторизация через Одноклассники    0.0
Авторизация через Твиттер          0.0
Авторизация через Яндекс           0.0
Авторизация через Гугл             0.0
Подтверждённые донации             0.0
Получен значок 20                  0.0
Получен значок 100                 0.0
Донаций на момент регистрации      0.0
Количество взятых бонусов          0.0
dtype: float64


df_us.columns = df_us.columns.str.lower().str.replace(' ', '_')
df_us.columns = df_us.columns.str.lower().str.replace('.', '_')
df_us.columns

Index(['id', 'пол', 'дата_рождения', 'регион', 'группа_крови', 'kell-фактор',
       'цельная_кровь', 'плазма', 'тромбоциты', 'эритроциты', 'лейкоциты',
       'костный_мозг', 'почетный_донор', 'отвод_от_донации', 'цельная_кровь_1',
       'плазма_1', 'тромбоциты_1', 'эритроциты_1', 'лейкоциты_1',
       'дата_регистрации', 'не_подтверждённые_донации', 'прошедших_донаций',
       'донаций_до_регистрации', 'последняя_активность', 'теги',
       'указан_email', 'указан_телефон', 'авторизация_через_вк',
       'авторизация_через_одноклассники', 'авторизация_через_твиттер',
       'авторизация_через_яндекс', 'авторизация_через_гугл',
       'подтверждённые_донации', 'получен_значок_20', 'получен_значок_100',
       'донаций_на_момент_регистрации', 'количество_взятых_бонусов'],
      dtype='object')


#Разбивка региона на компоненты
df_us[['страна', 'область', 'город']] = df_us['регион'].str.split(', ', expand=True, n=2)
df_us['город'] = df_us['город'].fillna(df_us['область'])
df_us['область'] = df_us['область'].fillna('Не указано')
df_us['город'] = df_us['город'].fillna('Не указано')


columns_to_convert = ['указан_email', 'указан_телефон', 'авторизация_через_вк', 
                      'авторизация_через_одноклассники', 'авторизация_через_твиттер', 'авторизация_через_яндекс', 'авторизация_через_гугл']

df_us[columns_to_convert] = df_us[columns_to_convert].replace({'да': True, 'нет': False})


df_us.nunique()

id                                 265836
пол                                     3
дата_рождения                       15944
регион                               2648
группа_крови                           10
kell-фактор                             4
цельная_кровь                           2
плазма                                  2
тромбоциты                              2
эритроциты                              2
лейкоциты                               2
костный_мозг                            2
почетный_донор                       1476
отвод_от_донации                      734
цельная_кровь_1                        76
плазма_1                              140
тромбоциты_1                           77
эритроциты_1                            9
лейкоциты_1                             5
дата_регистрации                     1722
не_подтверждённые_донации              55
прошедших_донаций                     172
донаций_до_регистрации                167
последняя_активность                 1103
теги                                   21
указан_email                            2
указан_телефон                          2
авторизация_через_вк                    2
авторизация_через_одноклассники         2
авторизация_через_твиттер               2
авторизация_через_яндекс                2
авторизация_через_гугл                  2
подтверждённые_донации                172
получен_значок_20                       2
получен_значок_100                      2
донаций_на_момент_регистрации         166
количество_взятых_бонусов              35
страна                                108
область                               461
город                                2557
dtype: int64


df_us['дата_рождения'].value_counts()

Не указано    169313
25.07.2000        32
01.01.2000        30
01.03.2000        28
29.09.1998        27
               ...  
17.06.1975         1
10.02.1962         1
13.06.1975         1
01.09.1956         1
30.04.1953         1
Name: дата_рождения, Length: 15944, dtype: int64


df_us['дата_рождения']  = pd.to_datetime(df_us['дата_рождения'],format='%d.%m.%Y',errors='coerce')


df_us['дата_рождения'].value_counts(dropna=False)

NaT           169325
2000-07-25        32
2000-01-01        30
2000-03-01        28
1998-09-29        27
               ...  
2005-06-11         1
1971-06-21         1
2012-05-08         1
1962-08-24         1
1953-04-30         1
Name: дата_рождения, Length: 15932, dtype: int64


(df_us['дата_рождения'].dt.year).unique()

array([  nan, 1991., 1986., 1976., 1990., 1978., 2000., 1992., 1995.,
       1983., 2002., 1989., 2003., 2001., 1997., 1979., 1984., 1996.,
       1993., 2005., 2009., 2004., 1998., 1999., 1980., 1988., 1987.,
       1994., 1982., 2007., 1972., 1981., 1971., 1974., 1964., 1948.,
       1973., 1961., 1966., 1977., 1985., 1967., 2006., 2008., 1970.,
       2011., 1968., 1975., 1963., 1965., 1955., 1969., 2018., 1951.,
       1957., 1956., 2010., 2013., 2021., 1962., 2016., 1952., 1953.,
       1960., 2014., 1959., 1927., 2019., 2020., 2017., 1958., 1930.,
       2015., 1929., 2012., 1954., 1940., 1902., 1942., 1945., 1950.,
       1943., 1932., 1919., 1928., 1910., 1900., 1920., 1947., 1946.,
       1933., 1949., 1936., 1904., 1911., 1917., 1905., 1909., 1915.,
       1907., 1926., 1925., 1922., 1939., 1916., 1903., 1941., 2083.,
       2070., 2198., 1888., 1908., 2095., 1938., 2067., 1923., 1931.,
       2089., 1944., 1913., 1912., 1937., 1918., 1901., 1914., 1897.,
       1906.])


df_us.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 265836 entries, 0 to 265835
Data columns (total 40 columns):
 #   Column                           Non-Null Count   Dtype         
---  ------                           --------------   -----         
 0   id                               265836 non-null  int64         
 1   пол                              265836 non-null  object        
 2   дата_рождения                    96511 non-null   datetime64[ns]
 3   регион                           265836 non-null  object        
 4   группа_крови                     265836 non-null  object        
 5   kell-фактор                      265836 non-null  object        
 6   цельная_кровь                    265836 non-null  object        
 7   плазма                           265836 non-null  object        
 8   тромбоциты                       265836 non-null  object        
 9   эритроциты                       265836 non-null  object        
 10  лейкоциты                        265836 non-null  object        
 11  костный_мозг                     265836 non-null  object        
 12  почетный_донор                   265836 non-null  object        
 13  отвод_от_донации                 265836 non-null  object        
 14  цельная_кровь_1                  265836 non-null  int64         
 15  плазма_1                         265836 non-null  int64         
 16  тромбоциты_1                     265836 non-null  int64         
 17  эритроциты_1                     265836 non-null  int64         
 18  лейкоциты_1                      265836 non-null  int64         
 19  дата_регистрации                 265836 non-null  object        
 20  не_подтверждённые_донации        265836 non-null  int64         
 21  прошедших_донаций                265836 non-null  int64         
 22  донаций_до_регистрации           265836 non-null  object        
 23  последняя_активность             265836 non-null  object        
 24  теги                             265836 non-null  object        
 25  указан_email                     265836 non-null  bool          
 26  указан_телефон                   265836 non-null  bool          
 27  авторизация_через_вк             265836 non-null  bool          
 28  авторизация_через_одноклассники  265836 non-null  bool          
 29  авторизация_через_твиттер        265836 non-null  bool          
 30  авторизация_через_яндекс         265836 non-null  bool          
 31  авторизация_через_гугл           265836 non-null  bool          
 32  подтверждённые_донации           265836 non-null  int64         
 33  получен_значок_20                265836 non-null  object        
 34  получен_значок_100               265836 non-null  object        
 35  донаций_на_момент_регистрации    265836 non-null  object        
 36  количество_взятых_бонусов        265836 non-null  int64         
 37  страна                           265836 non-null  object        
 38  область                          265836 non-null  object        
 39  город                            265836 non-null  object        
dtypes: bool(7), datetime64[ns](1), int64(10), object(22)
memory usage: 68.7+ MB


min_date = df_us['дата_рождения'].min()
min_date

Timestamp('1888-09-22 00:00:00')


max_date =df_us['дата_рождения'].max()
max_date

Timestamp('2198-04-29 00:00:00')


df_us.query('дата_рождения> "2023-01-01 00:00:00"')


df_us['дата_рождения'] = df_us['дата_рождения'].apply(lambda x: x.replace(year=x.year - 100) if x.year > 2024 else x)


df_us.query('дата_рождения> "2023-01-01 00:00:00"')


df_us.query('дата_рождения> "2005-01-01 00:00:00"')


df_us.query('дата_рождения< "1923-01-01 00:00:00"')


get_date_range_info(df_us,'дата_рождения')

'Данные представлены за период от 1888-09-22 00:00:00 до 2098-04-29 00:00:00, разница в 76555 days 00:00:00.'


df_us['возраст'] = ((pd.to_datetime('today').normalize() - df_us['дата_рождения'])/pd.Timedelta(365, 'D')).round()
df_us['возраст']

0          NaN
1         33.0
2          NaN
3          NaN
4         38.0
          ... 
265831     NaN
265832    43.0
265833     NaN
265834     NaN
265835     NaN
Name: возраст, Length: 265836, dtype: float64


df_us['возраст'].min()

-74.0


df_us['возраст'].max()

135.0


df_us.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 265836 entries, 0 to 265835
Data columns (total 41 columns):
 #   Column                           Non-Null Count   Dtype         
---  ------                           --------------   -----         
 0   id                               265836 non-null  int64         
 1   пол                              265836 non-null  object        
 2   дата_рождения                    96511 non-null   datetime64[ns]
 3   регион                           265836 non-null  object        
 4   группа_крови                     265836 non-null  object        
 5   kell-фактор                      265836 non-null  object        
 6   цельная_кровь                    265836 non-null  object        
 7   плазма                           265836 non-null  object        
 8   тромбоциты                       265836 non-null  object        
 9   эритроциты                       265836 non-null  object        
 10  лейкоциты                        265836 non-null  object        
 11  костный_мозг                     265836 non-null  object        
 12  почетный_донор                   265836 non-null  object        
 13  отвод_от_донации                 265836 non-null  object        
 14  цельная_кровь_1                  265836 non-null  int64         
 15  плазма_1                         265836 non-null  int64         
 16  тромбоциты_1                     265836 non-null  int64         
 17  эритроциты_1                     265836 non-null  int64         
 18  лейкоциты_1                      265836 non-null  int64         
 19  дата_регистрации                 265836 non-null  object        
 20  не_подтверждённые_донации        265836 non-null  int64         
 21  прошедших_донаций                265836 non-null  int64         
 22  донаций_до_регистрации           265836 non-null  object        
 23  последняя_активность             265836 non-null  object        
 24  теги                             265836 non-null  object        
 25  указан_email                     265836 non-null  bool          
 26  указан_телефон                   265836 non-null  bool          
 27  авторизация_через_вк             265836 non-null  bool          
 28  авторизация_через_одноклассники  265836 non-null  bool          
 29  авторизация_через_твиттер        265836 non-null  bool          
 30  авторизация_через_яндекс         265836 non-null  bool          
 31  авторизация_через_гугл           265836 non-null  bool          
 32  подтверждённые_донации           265836 non-null  int64         
 33  получен_значок_20                265836 non-null  object        
 34  получен_значок_100               265836 non-null  object        
 35  донаций_на_момент_регистрации    265836 non-null  object        
 36  количество_взятых_бонусов        265836 non-null  int64         
 37  страна                           265836 non-null  object        
 38  область                          265836 non-null  object        
 39  город                            265836 non-null  object        
 40  возраст                          96511 non-null   float64       
dtypes: bool(7), datetime64[ns](1), float64(1), int64(10), object(22)
memory usage: 70.7+ MB


df_us['возраст'].unique()

array([ nan,  33.,  38.,  47.,  46.,  23.,  32.,  28.,  40.,  22.,  35.,
        41.,  21.,  26.,  44.,  34.,  27.,  30.,  45.,  19.,  18.,  15.,
        20.,  25.,  31.,  24.,  39.,  36.,  37.,  29.,  42.,  17.,  52.,
        53.,  43.,  50.,  59.,  75.,  51.,  62.,  57.,  48.,  56.,  16.,
        54.,  13.,  49.,  60.,  61.,  68.,   5.,  55.,  72.,  66.,  58.,
        12.,  11.,   3.,   8.,  14.,  10.,  70.,  64.,  63.,  67.,   9.,
        97.,   4.,   7.,   6.,  94.,  96.,  65.,  69.,  71.,  84.,  73.,
       122.,  81.,  78.,  74.,  80.,  76.,  91.,  95., 105.,  93., 114.,
       123.,  79., 104.,  77.,   2.,  87.,  88., 124., 120., 113., 119.,
       107.,  92., 121., 115., 109., 118., 117.,  98.,  99., 102., 112.,
       116.,  85., 108.,  83.,  82., -74., 135., 106., 101., 103., 111.,
       110.,  86., 127.])


df_us1 =df_us.dropna(subset=['возраст'])


df_us1 = df_us1.drop(df_us1[(df_us1['возраст'] <18.0) | (df_us1['возраст'] > 100.0)].index).reset_index()
df_us1.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 95063 entries, 0 to 95062
Data columns (total 42 columns):
 #   Column                           Non-Null Count  Dtype         
---  ------                           --------------  -----         
 0   index                            95063 non-null  int64         
 1   id                               95063 non-null  int64         
 2   пол                              95063 non-null  object        
 3   дата_рождения                    95063 non-null  datetime64[ns]
 4   регион                           95063 non-null  object        
 5   группа_крови                     95063 non-null  object        
 6   kell-фактор                      95063 non-null  object        
 7   цельная_кровь                    95063 non-null  object        
 8   плазма                           95063 non-null  object        
 9   тромбоциты                       95063 non-null  object        
 10  эритроциты                       95063 non-null  object        
 11  лейкоциты                        95063 non-null  object        
 12  костный_мозг                     95063 non-null  object        
 13  почетный_донор                   95063 non-null  object        
 14  отвод_от_донации                 95063 non-null  object        
 15  цельная_кровь_1                  95063 non-null  int64         
 16  плазма_1                         95063 non-null  int64         
 17  тромбоциты_1                     95063 non-null  int64         
 18  эритроциты_1                     95063 non-null  int64         
 19  лейкоциты_1                      95063 non-null  int64         
 20  дата_регистрации                 95063 non-null  object        
 21  не_подтверждённые_донации        95063 non-null  int64         
 22  прошедших_донаций                95063 non-null  int64         
 23  донаций_до_регистрации           95063 non-null  object        
 24  последняя_активность             95063 non-null  object        
 25  теги                             95063 non-null  object        
 26  указан_email                     95063 non-null  bool          
 27  указан_телефон                   95063 non-null  bool          
 28  авторизация_через_вк             95063 non-null  bool          
 29  авторизация_через_одноклассники  95063 non-null  bool          
 30  авторизация_через_твиттер        95063 non-null  bool          
 31  авторизация_через_яндекс         95063 non-null  bool          
 32  авторизация_через_гугл           95063 non-null  bool          
 33  подтверждённые_донации           95063 non-null  int64         
 34  получен_значок_20                95063 non-null  object        
 35  получен_значок_100               95063 non-null  object        
 36  донаций_на_момент_регистрации    95063 non-null  object        
 37  количество_взятых_бонусов        95063 non-null  int64         
 38  страна                           95063 non-null  object        
 39  область                          95063 non-null  object        
 40  город                            95063 non-null  object        
 41  возраст                          95063 non-null  float64       
dtypes: bool(7), datetime64[ns](1), float64(1), int64(11), object(22)
memory usage: 26.0+ MB


df_us['kell-фактор'].value_counts()

Не указано       214116
Отрицательный     24981
Положительный     19596
Не знаю            7143
Name: kell-фактор, dtype: int64


df_us['группа_крови'].value_counts()

Не указано    212121
A(II) Rh+      13797
O(I) Rh+       13242
B(III) Rh+      9039
AB(IV) Rh+      4765
O(I) Rh-        3840
A(II) Rh-       3390
B(III) Rh-      2469
Не знаю         1602
AB(IV) Rh-      1571
Name: группа_крови, dtype: int64


df_us['группа_крови'].value_counts(normalize=True).round(4)*100

Не указано    79.79
A(II) Rh+      5.19
O(I) Rh+       4.98
B(III) Rh+     3.40
AB(IV) Rh+     1.79
O(I) Rh-       1.44
A(II) Rh-      1.28
B(III) Rh-     0.93
Не знаю        0.60
AB(IV) Rh-     0.59
Name: группа_крови, dtype: float64


df_us['почетный_донор'].value_counts(normalize=True).round(4)*100

Дата получения не известна    91.76
08.01.2023                     0.82
Да                             0.30
24.12.2022                     0.27
09.12.2022                     0.14
                              ...  
18.10.2026                     0.00
16.12.2022                     0.00
21.08.2026                     0.00
06.10.2026                     0.00
06.01.2022                     0.00
Name: почетный_донор, Length: 1476, dtype: float64


df_us['почетный_донор'].unique()

array(['Дата получения не известна', '25.10.2026', '05.07.2025', ...,
       '16.03.2023', '20.11.2022', '06.01.2022'], dtype=object)


df_us['отвод_от_донации'].value_counts(normalize=True).round(4)*100

Нет           99.54
01.02.2023     0.00
01.04.2023     0.00
01.06.2022     0.00
01.11.2022     0.00
              ...  
03.09.2022     0.00
01.08.2100     0.00
21.09.2022     0.00
25.03.2023     0.00
08.06.2023     0.00
Name: отвод_от_донации, Length: 734, dtype: float64


df_us.дата_рождения.isna().mean()

0.6369528581531471


df_us['дата_регистрации']  = pd.to_datetime(df_us['дата_регистрации'],format='%d.%m.%Y',errors='coerce')


get_date_range_info(df_us,'дата_регистрации')

'Данные представлены за период от 2018-04-09 00:00:00 до 2023-11-28 00:00:00, разница в 2059 days 00:00:00.'


df_us['теги'].value_counts()

[None]                    182655
['CardsMobile']            47202
['MainPage']               21687
['Bonus']                   5385
['Blood']                   3462
['DirectSignUp']            2873
['Event']                    736
['UnityEvents']              579
['Register']                 549
['InfoDonor']                233
['Top']                      136
['UnityOrganizations']        98
['Recipient']                 73
['Helpme']                    44
['InfoProject']               39
['Advice']                    26
['2021']                      18
['UnityMainPage']             17
['Organization']              17
['RedCross']                   4
['AdviceAdvice']               3
Name: теги, dtype: int64


df_us.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 265836 entries, 0 to 265835
Data columns (total 41 columns):
 #   Column                           Non-Null Count   Dtype         
---  ------                           --------------   -----         
 0   id                               265836 non-null  int64         
 1   пол                              265836 non-null  object        
 2   дата_рождения                    96511 non-null   datetime64[ns]
 3   регион                           265836 non-null  object        
 4   группа_крови                     265836 non-null  object        
 5   kell-фактор                      265836 non-null  object        
 6   цельная_кровь                    265836 non-null  object        
 7   плазма                           265836 non-null  object        
 8   тромбоциты                       265836 non-null  object        
 9   эритроциты                       265836 non-null  object        
 10  лейкоциты                        265836 non-null  object        
 11  костный_мозг                     265836 non-null  object        
 12  почетный_донор                   265836 non-null  object        
 13  отвод_от_донации                 265836 non-null  object        
 14  цельная_кровь_1                  265836 non-null  int64         
 15  плазма_1                         265836 non-null  int64         
 16  тромбоциты_1                     265836 non-null  int64         
 17  эритроциты_1                     265836 non-null  int64         
 18  лейкоциты_1                      265836 non-null  int64         
 19  дата_регистрации                 265836 non-null  datetime64[ns]
 20  не_подтверждённые_донации        265836 non-null  int64         
 21  прошедших_донаций                265836 non-null  int64         
 22  донаций_до_регистрации           265836 non-null  object        
 23  последняя_активность             265836 non-null  object        
 24  теги                             265836 non-null  object        
 25  указан_email                     265836 non-null  bool          
 26  указан_телефон                   265836 non-null  bool          
 27  авторизация_через_вк             265836 non-null  bool          
 28  авторизация_через_одноклассники  265836 non-null  bool          
 29  авторизация_через_твиттер        265836 non-null  bool          
 30  авторизация_через_яндекс         265836 non-null  bool          
 31  авторизация_через_гугл           265836 non-null  bool          
 32  подтверждённые_донации           265836 non-null  int64         
 33  получен_значок_20                265836 non-null  object        
 34  получен_значок_100               265836 non-null  object        
 35  донаций_на_момент_регистрации    265836 non-null  object        
 36  количество_взятых_бонусов        265836 non-null  int64         
 37  страна                           265836 non-null  object        
 38  область                          265836 non-null  object        
 39  город                            265836 non-null  object        
 40  возраст                          96511 non-null   float64       
dtypes: bool(7), datetime64[ns](2), float64(1), int64(10), object(21)
memory usage: 70.7+ MB


#Загрузка датасета
df_b = pd.read_csv(patch + 'user_bonus_anon 281123.csv')


df_b = inform(df_b)

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 21108 entries, 0 to 21107
Data columns (total 9 columns):
 #   Column                     Non-Null Count  Dtype 
---  ------                     --------------  ----- 
 0   ID пользователя            21108 non-null  int64 
 1   Количество взятых бонусов  21108 non-null  int64 
 2   Количество донаций         21108 non-null  int64 
 3   Название партнера          21108 non-null  object
 4   Бонус                      21108 non-null  object
 5   Дата использования         21108 non-null  object
 6   Страна                     21103 non-null  object
 7   Регион                     15673 non-null  object
 8   Город                      21103 non-null  object
dtypes: int64(3), object(6)
memory usage: 1.4+ MB
Количество дубликатов - 3
Число пропусков - ID пользователя                 0
Количество взятых бонусов       0
Количество донаций              0
Название партнера               0
Бонус                           0
Дата использования              0
Страна                          5
Регион                       5435
Город                           5
dtype: int64
Доля пропусков - ID пользователя              0.000000
Количество взятых бонусов    0.000000
Количество донаций           0.000000
Название партнера            0.000000
Бонус                        0.000000
Дата использования           0.000000
Страна                       0.000237
Регион                       0.257485
Город                        0.000237
dtype: float64


df_b.columns = df_b.columns.str.lower().str.replace(' ', '_')
df_b.columns

Index(['id_пользователя', 'количество_взятых_бонусов', 'количество_донаций',
       'название_партнера', 'бонус', 'дата_использования', 'страна', 'регион',
       'город'],
      dtype='object')


df_b.nunique()

id_пользователя              9345
количество_взятых_бонусов      34
количество_донаций            144
название_партнера              77
бонус                         102
дата_использования            919
страна                          8
регион                         93
город                         467
dtype: int64


df_b =df_b.drop_duplicates()


df_b[df_b['страна'].isnull()]


df_b1 = df_b[df_b['регион'].isnull()]
df_b1


df_b1.город.value_counts()

Москва             4037
Санкт-Петербург    1375
Алма-Ата              8
Тирасполь             4
Ташкент               3
Бишкек                1
Name: город, dtype: int64


df_b1.страна.value_counts()

Россия        5412
Казахстан        8
Молдова          4
Узбекистан       3
Кыргызстан       1
Name: страна, dtype: int64


df_b.query('город =="Алма-Ата"')


df_b.query('город =="Тирасполь"')


df_b.query('город =="Ташкент"')


df_b.query('город =="Бишкек"')


df_b.loc[df_b['город'] == 'Москва', 'регион'] = 'Москва'
df_b.loc[df_b['город'] == 'Санкт-Петербург', 'регион'] = 'Санкт-Петербург'
df_b.loc[df_b['город'] == 'Алма-Ата', 'регион'] = 'Алма-Ата'
df_b.loc[df_b['город'] == 'Тирасполь', 'регион'] = 'Тирасполь'
df_b.loc[df_b['город'] == 'Ташкент', 'регион'] = 'Ташкент'
df_b.loc[df_b['город'] == 'Бишкек', 'регион'] = 'Бишкек'


df_b[['регион','город','страна']] = df_b[['регион','город','страна']].fillna('неизвестно')


df_b.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 21105 entries, 0 to 21107
Data columns (total 9 columns):
 #   Column                     Non-Null Count  Dtype 
---  ------                     --------------  ----- 
 0   id_пользователя            21105 non-null  int64 
 1   количество_взятых_бонусов  21105 non-null  int64 
 2   количество_донаций         21105 non-null  int64 
 3   название_партнера          21105 non-null  object
 4   бонус                      21105 non-null  object
 5   дата_использования         21105 non-null  object
 6   страна                     21105 non-null  object
 7   регион                     21105 non-null  object
 8   город                      21105 non-null  object
dtypes: int64(3), object(6)
memory usage: 1.6+ MB


df_b.groupby('дата_использования').size()

дата_использования
01.01.2022     2
01.01.2023     1
01.02.2021     2
01.02.2022     6
01.02.2023    22
              ..
31.10.2022    59
31.10.2023    26
31.12.2021     2
31.12.2022     2
Не указано    13
Length: 919, dtype: int64


df_b['дата_использования']  = pd.to_datetime(df_b['дата_использования'],format='%d.%m.%Y',errors='coerce')


get_date_range_info(df_b,'дата_использования')

'Данные представлены за период от 2020-12-29 00:00:00 до 2023-11-28 00:00:00, разница в 1064 days 00:00:00.'


#Загрузка датасета
df_pa = pd.read_csv(patch + 'profile_activity 281123.csv',sep=",")


df_pa = inform(df_pa)

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 153 entries, 0 to 152
Data columns (total 7 columns):
 #   Column                   Non-Null Count  Dtype 
---  ------                   --------------  ----- 
 0   ДАТА                     153 non-null    object
 1   ОБЩЕЕ КОЛ-ВО ПОКАЗОВ     153 non-null    int64 
 2   ПРЕДСТОЯЩЕЕ МЕРОПРИЯТИЕ  153 non-null    int64 
 3   ПОТРЕБНОСТЬ ЦК           153 non-null    int64 
 4   АДРЕСНАЯ ПОТРЕБНОСТЬ     153 non-null    int64 
 5   УКАЖИТЕ ГОРОД            153 non-null    int64 
 6   СТАТЬИ ЖУРНАЛА           153 non-null    int64 
dtypes: int64(6), object(1)
memory usage: 8.5+ KB
Количество дубликатов - 0
Число пропусков - ДАТА                       0
ОБЩЕЕ КОЛ-ВО ПОКАЗОВ       0
ПРЕДСТОЯЩЕЕ МЕРОПРИЯТИЕ    0
ПОТРЕБНОСТЬ ЦК             0
АДРЕСНАЯ ПОТРЕБНОСТЬ       0
УКАЖИТЕ ГОРОД              0
СТАТЬИ ЖУРНАЛА             0
dtype: int64
Доля пропусков - ДАТА                       0.0
ОБЩЕЕ КОЛ-ВО ПОКАЗОВ       0.0
ПРЕДСТОЯЩЕЕ МЕРОПРИЯТИЕ    0.0
ПОТРЕБНОСТЬ ЦК             0.0
АДРЕСНАЯ ПОТРЕБНОСТЬ       0.0
УКАЖИТЕ ГОРОД              0.0
СТАТЬИ ЖУРНАЛА             0.0
dtype: float64


df_pa.columns = df_pa.columns.str.lower().str.replace(' ', '_')
df_pa.columns

Index(['дата', 'общее_кол-во_показов', 'предстоящее_мероприятие',
       'потребность_цк', 'адресная_потребность', 'укажите_город',
       'статьи_журнала'],
      dtype='object')


df_pa['дата'] = df_pa['дата'].str.replace('\n', '')


df_pa['дата']  = pd.to_datetime(df_pa['дата'],errors='coerce')


get_date_range_info(df_pa,'дата')

'Данные представлены за период от 2023-06-29 00:00:00 до 2023-11-28 00:00:00, разница в 152 days 00:00:00.'


df_pa['дата']

0     2023-11-28
1     2023-11-27
2     2023-11-26
3     2023-11-25
4     2023-11-24
         ...    
148   2023-07-03
149   2023-07-02
150   2023-07-01
151   2023-06-30
152   2023-06-29
Name: дата, Length: 153, dtype: datetime64[ns]


#Загрузка датасета
df_ppd = pd.read_csv(patch + 'profile_planned_donations 281123.csv')


df_ppd = inform(df_ppd)

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 153 entries, 0 to 152
Data columns (total 5 columns):
 #   Column                 Non-Null Count  Dtype 
---  ------                 --------------  ----- 
 0   ДАТА                   153 non-null    object
 1   ОБЩЕЕ КОЛ-ВО ПОКАЗОВ   153 non-null    int64 
 2   НОВАЯ ДОНАЦИЯ          153 non-null    int64 
 3   ДОНАЦИЯ ЗАПЛАНИРОВАНА  153 non-null    int64 
 4   ПЛАНИРОВАЛИ СДАТЬ      153 non-null    int64 
dtypes: int64(4), object(1)
memory usage: 6.1+ KB
Количество дубликатов - 0
Число пропусков - ДАТА                     0
ОБЩЕЕ КОЛ-ВО ПОКАЗОВ     0
НОВАЯ ДОНАЦИЯ            0
ДОНАЦИЯ ЗАПЛАНИРОВАНА    0
ПЛАНИРОВАЛИ СДАТЬ        0
dtype: int64
Доля пропусков - ДАТА                     0.0
ОБЩЕЕ КОЛ-ВО ПОКАЗОВ     0.0
НОВАЯ ДОНАЦИЯ            0.0
ДОНАЦИЯ ЗАПЛАНИРОВАНА    0.0
ПЛАНИРОВАЛИ СДАТЬ        0.0
dtype: float64


df_ppd.columns = df_ppd.columns.str.lower().str.replace(' ', '_').str.replace('.', '_')
df_ppd.columns

Index(['дата', 'общее_кол-во_показов', 'новая_донация',
       'донация_запланирована', 'планировали_сдать'],
      dtype='object')


df_ppd['дата']  = pd.to_datetime(df_ppd['дата'],errors='coerce')


get_date_range_info(df_ppd,'дата')

'Данные представлены за период от 2023-06-29 00:00:00 до 2023-11-28 00:00:00, разница в 152 days 00:00:00.'


#Загрузка датасета
df_psu = pd.read_csv(patch + 'profile_settings_upd 281123.csv')


df_psu = inform(df_psu)

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 240 entries, 0 to 239
Data columns (total 14 columns):
 #   Column              Non-Null Count  Dtype 
---  ------              --------------  ----- 
 0   ДАТА                240 non-null    object
 1   ПРОСМОТРОВ ПРОФИЛЯ  240 non-null    int64 
 2   USERNAME            240 non-null    int64 
 3   EMAIL               240 non-null    int64 
 4   ТЕЛЕФОН             240 non-null    int64 
 5   ФАМИЛИЯ             240 non-null    int64 
 6   ИМЯ                 240 non-null    int64 
 7   ОТЧЕСТВО            240 non-null    int64 
 8   ДЕВИЧЬЯ ФАМИЛИЯ     240 non-null    int64 
 9   ДАТА РОЖДЕНИЯ       240 non-null    int64 
 10  ГР.КР.              240 non-null    int64 
 11  ПОЛ                 240 non-null    int64 
 12  О СЕБЕ              240 non-null    int64 
 13  ГОРОД               240 non-null    int64 
dtypes: int64(13), object(1)
memory usage: 26.4+ KB
Количество дубликатов - 0
Число пропусков - ДАТА                  0
ПРОСМОТРОВ ПРОФИЛЯ    0
USERNAME              0
EMAIL                 0
ТЕЛЕФОН               0
ФАМИЛИЯ               0
ИМЯ                   0
ОТЧЕСТВО              0
ДЕВИЧЬЯ ФАМИЛИЯ       0
ДАТА РОЖДЕНИЯ         0
ГР.КР.                0
ПОЛ                   0
О СЕБЕ                0
ГОРОД                 0
dtype: int64
Доля пропусков - ДАТА                  0.0
ПРОСМОТРОВ ПРОФИЛЯ    0.0
USERNAME              0.0
EMAIL                 0.0
ТЕЛЕФОН               0.0
ФАМИЛИЯ               0.0
ИМЯ                   0.0
ОТЧЕСТВО              0.0
ДЕВИЧЬЯ ФАМИЛИЯ       0.0
ДАТА РОЖДЕНИЯ         0.0
ГР.КР.                0.0
ПОЛ                   0.0
О СЕБЕ                0.0
ГОРОД                 0.0
dtype: float64


df_psu.columns = df_psu.columns.str.lower().str.replace(' ', '_').str.replace('.', '_')
df_psu.columns

Index(['дата', 'просмотров_профиля', 'username', 'email', 'телефон', 'фамилия',
       'имя', 'отчество', 'девичья_фамилия', 'дата_рождения', 'гр_кр_', 'пол',
       'о_себе', 'город'],
      dtype='object')


df_psu =df_psu.rename(columns = {'гр_кр_':'гр_кр'})
df_psu.columns

Index(['дата', 'просмотров_профиля', 'username', 'email', 'телефон', 'фамилия',
       'имя', 'отчество', 'девичья_фамилия', 'дата_рождения', 'гр_кр', 'пол',
       'о_себе', 'город'],
      dtype='object')


#Приведение даты в нужный вид
df_psu['дата'] = df_psu['дата'].str.replace('\n', '')
df_psu['дата']  = pd.to_datetime(df_psu['дата'],errors='coerce')

get_date_range_info(df_psu,'дата')

'Данные представлены за период от 2023-04-03 00:00:00 до 2023-11-28 00:00:00, разница в 239 days 00:00:00.'


#Загрузка датасета
df_pf = pd.read_csv(patch + 'profile_trigger 281123.csv')


df_pf = inform(df_pf)

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 153 entries, 0 to 152
Data columns (total 15 columns):
 #   Column             Non-Null Count  Dtype 
---  ------             --------------  ----- 
 0   ДАТА               153 non-null    object
 1   ОБЩ. КОЛ-ВО ПРОСМ  153 non-null    int64 
 2   ВСЕ ЗАПОЛНЕНО      153 non-null    int64 
 3   EMAIL              153 non-null    int64 
 4   ОБН. EMAIL         153 non-null    int64 
 5   ТЕЛ.               153 non-null    int64 
 6   ОБН. ТЕЛ.          153 non-null    int64 
 7   ГР. КР.            153 non-null    int64 
 8   ОБН. ГР. КР.       153 non-null    int64 
 9   ФАМ.               153 non-null    int64 
 10  ОБН. ФАМ.          153 non-null    int64 
 11  ИМЯ                153 non-null    int64 
 12  ОБН. ИМЯ           153 non-null    int64 
 13  ОТЧ-ВО             153 non-null    int64 
 14  ОБН. ОТЧ-ВО        153 non-null    int64 
dtypes: int64(14), object(1)
memory usage: 18.1+ KB
Количество дубликатов - 0
Число пропусков - ДАТА                 0
ОБЩ. КОЛ-ВО ПРОСМ    0
ВСЕ ЗАПОЛНЕНО        0
EMAIL                0
ОБН. EMAIL           0
ТЕЛ.                 0
ОБН. ТЕЛ.            0
ГР. КР.              0
ОБН. ГР. КР.         0
ФАМ.                 0
ОБН. ФАМ.            0
ИМЯ                  0
ОБН. ИМЯ             0
ОТЧ-ВО               0
ОБН. ОТЧ-ВО          0
dtype: int64
Доля пропусков - ДАТА                 0.0
ОБЩ. КОЛ-ВО ПРОСМ    0.0
ВСЕ ЗАПОЛНЕНО        0.0
EMAIL                0.0
ОБН. EMAIL           0.0
ТЕЛ.                 0.0
ОБН. ТЕЛ.            0.0
ГР. КР.              0.0
ОБН. ГР. КР.         0.0
ФАМ.                 0.0
ОБН. ФАМ.            0.0
ИМЯ                  0.0
ОБН. ИМЯ             0.0
ОТЧ-ВО               0.0
ОБН. ОТЧ-ВО          0.0
dtype: float64


df_pf.columns = df_pf.columns.str.lower().str.replace(' ', '_').str.replace('.', '')
df_pf.columns

Index(['дата', 'общ_кол-во_просм', 'все_заполнено', 'email', 'обн_email',
       'тел', 'обн_тел', 'гр_кр', 'обн_гр_кр', 'фам', 'обн_фам', 'имя',
       'обн_имя', 'отч-во', 'обн_отч-во'],
      dtype='object')


#Приведение даты в нужный вид
df_pf['дата'] = df_pf['дата'].str.replace('\n', '')
df_pf['дата']  = pd.to_datetime(df_pf['дата'],errors='coerce')

get_date_range_info(df_pf,'дата')

'Данные представлены за период от 2023-06-29 00:00:00 до 2023-11-28 00:00:00, разница в 152 days 00:00:00.'


df_pf.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 153 entries, 0 to 152
Data columns (total 15 columns):
 #   Column            Non-Null Count  Dtype         
---  ------            --------------  -----         
 0   дата              153 non-null    datetime64[ns]
 1   общ_кол-во_просм  153 non-null    int64         
 2   все_заполнено     153 non-null    int64         
 3   email             153 non-null    int64         
 4   обн_email         153 non-null    int64         
 5   тел               153 non-null    int64         
 6   обн_тел           153 non-null    int64         
 7   гр_кр             153 non-null    int64         
 8   обн_гр_кр         153 non-null    int64         
 9   фам               153 non-null    int64         
 10  обн_фам           153 non-null    int64         
 11  имя               153 non-null    int64         
 12  обн_имя           153 non-null    int64         
 13  отч-во            153 non-null    int64         
 14  обн_отч-во        153 non-null    int64         
dtypes: datetime64[ns](1), int64(14)
memory usage: 18.1 KB


#Файл с координатами городов РФ
#Датасет с геоданными (будет приложен на диск)
coord = pd.read_csv(patch + 'coord.csv')

# Приведение названий столбцов к нижнему регистру
coord.columns = coord.columns.str.lower()
#coord.head()


# Объединение датасетов по полю 'Город'
merged_df = pd.merge(df_us, coord, on='город', how='left')
merged_df['координаты'] = merged_df.apply(lambda row: f"[{row['широта']},{row['долгота']}]", axis=1)
#merged_df.head()


#Выгрузка объединенного датасета для дашборда
csv_filename = 'merg_coord.csv'
merged_df.to_csv(csv_filename, index=False)

#Создание ссылки для скачивания
download_link = FileLink(csv_filename)

#Отображение ссылки
download_link


#Функция для создания нового столбца 'авторизация', с указанием авторизации через соц. сети
def combine_auth(row):
    if row['авторизация_через_вк']:
        return 'ВКонтакте'
    elif row['авторизация_через_одноклассники']:
        return 'Одноклассники'
    elif row['авторизация_через_твиттер']:
        return 'Твиттер'
    elif row['авторизация_через_яндекс']:
        return 'Яндекс'
    elif row['авторизация_через_гугл']:
        return 'Гугл'
    else:
        return 'Нет данных'


#Функция для создания нового столбца 'иное', где указана почта либо телефон
def more_auth(row):
    if row['указан_email']:
        return 'Email'
    elif row['указан_телефон']:
        return 'Телефон'
    else:
        return 'Нет данных'


#Создание нового столбца 'авторизация'
df_us['авторизация'] = df_us.apply(combine_auth, axis=1)

#Создание нового столбца 'иное'
df_us['иное'] = df_us.apply(more_auth, axis=1)

#Данные ТОЛЬКО ПОДТВЕРЖДЕННЫХ донаций не меньше 1
verificated_registration = df_us.query('подтверждённые_донации > 0')
#verificated_registration.head()


#Сводная таблица для построения графика с данными о авторизации
autorisation = verificated_registration.groupby('авторизация')['id'].count().reset_index()
autorisation = autorisation.sort_values(by='id', ascending=False)
autorisation


#Построение графика распределения доноров по способу авторизации
fig = px.bar(autorisation, x='авторизация', y='id', color='авторизация', text = 'id',
             color_discrete_sequence=px.colors.qualitative.Set2_r)

fig.update_layout(title='Способ авторизации доноров с подтвержденными донациями',
                 xaxis_title='Название сервиса',
                 yaxis_title='Количество человек')
fig.show()


#Сводная таблица для построения графика с данными о авторизации
other = verificated_registration.groupby('иное')['id'].count().reset_index()
other = other.sort_values(by='id', ascending=False)
other


#Оставим лишь тех пользователей, которые не использовали соц.сети, и вошли в приложение с помощью телефона или почты
other_none = verificated_registration.query('авторизация == "Нет данных"')

#Сводная таблица людей указавших почту или телефон без использования соц. сетей
other_clean = other_none.groupby('иное')['id'].count().reset_index()
other_clean = other_clean.sort_values(by='id', ascending=False)
other_clean


#График с визуализайией сводной таблицы
plt.figure(figsize=(15, 7))
sns.barplot(x='id', y='иное', data=other_clean, palette='pastel')

plt.title('Количество людей вошедших с указанием почты или телефона')
plt.xlabel('Количество человек')
plt.ylabel('Способ верификации')

plt.xticks()
plt.legend(loc='lower right', fontsize=12)
plt.grid()
plt.show()

No artists with labels found to put in legend.  Note that artists whose label start with an underscore are ignored when legend() is called with no argument.


#Следует использовать файл для выгрузки, т.к. в нем есть координаты местоположения точек приема крови.
#Фильтрация датасета по подтвержденным донациям
verificated_coord = merged_df.query('подтверждённые_донации > 0')
verificated_coord.rename(columns={'регион_x': 'регион'}, inplace=True)

#Приведение региона к нужному типу данных
verificated_coord['регион'].astype('str')

#verificated_coord.head()

38        Россия, Саха /Якутия/, Якутск
84                       Россия, Москва
85                       Россия, Москва
96            Россия, Крым, Симферополь
97                       Россия, Москва
                      ...              
267711                   Россия, Москва
267712          Россия, Санкт-Петербург
267714          Россия, Санкт-Петербург
267716          Россия, Санкт-Петербург
267717          Россия, Санкт-Петербург
Name: регион, Length: 39339, dtype: object


#Визуализация распределения доноров по стране
#Координаты нашего континента
eurasia = [54, 105]

#Создание карты с координатами континента
donation_map = Map(eurasia, zoom_start=3)

#Создаём пустой кластер, добавляем его на карту
marker_cluster = MarkerCluster().add_to(donation_map)

#Пишем функцию, которая принимает строку датафрейма,
#создаёт маркер в текущей точке и добавляет его в кластер marker_cluster
def create_clusters(row):
    if not (np.isnan(row['широта']) or np.isnan(row['долгота'])): #Эта штука не пропускает значения NaN
        Marker(
            [row['широта'], row['долгота']], #указание строк с широтой и долготой
            popup=f"{row['федеральный округ']} {row['область']} {row['город']} {row['население']}", #Здесь все необходимые отображаемые поля
        ).add_to(marker_cluster)
    
#Применяем функцию create_clusters() к каждой строке датафрейма
verificated_coord.apply(create_clusters, axis=1) #Применение функции к датафрейму

#Вывод карты на экран
donation_map


#Сводная таблица с регионами
pivot_region = verificated_coord['регион'].value_counts().reset_index()
pivot_region.columns = ['регион', 'количество']

#Топ 10 регионов по количеству донаций, и убираю Украину, т.к. нам это не интересно
pivot_region = pivot_region.query('регион != "Украина, Киевская область, Киев"')
pivot_region = pivot_region.head(10)

pivot_region


#Круговая диаграмма c топом регионов
lbs = pivot_region['регион']
vls = pivot_region['количество']

#Установка цветовой палитры
col = plt.cm.Set3.colors

#Установка размера графика
plt.figure(figsize=(10, 12))

#Наполнение графика
plt.pie(vls, labels=lbs, autopct='%1.1f%%', startangle=90, counterclock=False, colors=col)

#Заголовок
plt.title('Доля людей, сделавших донацию по регионам')

#Отображение графика
plt.show()


#Сборка сводной таблицы с федеральным округом и суммой населения
federation_district = verificated_coord[['федеральный округ', 'город', 'население']]

#Очистка таблицы от дублей городов, чтобы подсчитать корректную сумму населения + приведение столбца с населением к нужному типу данных для подсчета
federation_district = federation_district.drop_duplicates(subset=['город']).reset_index(drop=True)
federation_district['население'] = federation_district['население'].fillna(0).astype(int)

#Группировка по округам и счет населения
federation_district = federation_district.groupby(['федеральный округ'])['население'].sum().reset_index()
federation_district = federation_district.sort_values(by='население', ascending=False)

#Вывод таблицы
federation_district


#Выгрузка мультиполигонов округов из просторов интернета (файл приложу на диск)
file_path = 'C:/Users/79990/Desktop/donor/d_search/admin_level_3.csv'
federal_districts = pd.read_csv(file_path, sep=';')

#Приведение названий округов в файле геоданных к формату из сводной таблицы
federal_districts['name__ru'] = federal_districts['name__ru'].astype(str).apply(lambda x: re.sub(r'\sфедеральный округ', '', x, flags=re.IGNORECASE).capitalize())
federal_districts.replace({'Северо-западный': 'Северо-Западный', 'Северо-кавказский': 'Северо-Кавказский'}, inplace=True)

#Объединение геоданных с данными по населению
merged_data = federal_districts.merge(federation_district, left_on='name__ru', right_on='федеральный округ')

#Фунция для удаления всего лишнего, а то я лапками устану удалять
def selected_columns(df):
    selected_columns = ['WKT', 'федеральный округ', 'население']
    df_selected = df[selected_columns]
    return df_selected

merged_data_selected = selected_columns(merged_data)

#Преобразование столбца WKT в геометрический объект
merged_data_selected['geometry'] = merged_data_selected['WKT'].apply(wkt.loads)


#Попытка выстроить карту
#Создание GeoDataFrame
gdf = gpd.GeoDataFrame(merged_data_selected, geometry='geometry')

#Создание базовой карты
m = folium.Map(location=[gdf.geometry.centroid.y.mean(), gdf.geometry.centroid.x.mean()], zoom_start=4, control_scale=True)

#Добавление хороплетической карты на основе численности населения
folium.Choropleth(
    geo_data=gdf.__geo_interface__,
    name='choropleth',
    data=gdf,
    columns=['федеральный округ', 'население'],
    key_on='feature.properties.федеральный округ',
    fill_color='YlOrRd',
    fill_opacity=0.7,
    line_opacity=0.2,
    legend_name='Численность населения'
).add_to(m)

#Добавление маркеров на карту
marker_cluster = MarkerCluster().add_to(m)
for _, row in gdf.iterrows():
    folium.Marker([row['geometry'].centroid.y, row['geometry'].centroid.x],
                  popup=f"{row['федеральный округ']}: {row['население']}").add_to(marker_cluster)

#Добавление контроллера слоев
folium.LayerControl().add_to(m) #можно убирать границы и метки с численностью на самой карте, но кто этим будет пользоваться кроме меня

#Вывод карты
m


#Сборка таблицы с данными доноров с ДВ
vest = verificated_coord.query('`федеральный округ` == "Дальневосточный"') #Волшебные ковычки позволили сделать фильтрацию

#Столбец с типом донации
vest = vest.merge(df_p[['id', 'тип_донации']], how='left', on='id')

#Создание нового столбца 'авторизация' и 'иное', для сборки сводных таблиц и визуализации
vest['авторизация'] = vest.apply(combine_auth, axis=1)
vest['иное'] = vest.apply(more_auth, axis=1)

#vest.head()


#Преобладание пола с охватом всего Дальнего Востока

vest_gender = vest.groupby('пол')['id'].count()
vest_gender = vest_gender.sort_values(ascending=True)

#Построение графика
vest_gender.plot(kind='barh', color=['#700622', '#129ab3', '#570580'])

#Добавление названий осей и заголовка
plt.xlabel('Тип донации')
plt.ylabel('Количество доноров')
plt.title('Донации мужчин и женщин')

#Отображение графика
plt.show()


#Фрейм только с мужчинами
vest_men = vest.query('пол == "Мужской"')

#Средний возраст
age_vest_men = round(vest_men['возраст'].mean(), 1)
#print(f'Средний возраст мужчин составляет:', age_vest_men, 'года.')


#Наиболее популярная соцсеть
social_men = vest_men.groupby('авторизация')['id'].count().reset_index()
social_men.drop(2, axis=0, inplace=True) #Удаление строки без данных (мы уже выяснили что это телефон или почта)
social_men = social_men.sort_values(by='id', ascending=False)

#Для графика с иными показателями авторизации
social_men_alt = vest_men.groupby('иное')['id'].count().reset_index()
social_men_alt = social_men_alt.sort_values(by='id', ascending=False)


#Построение графика распределения доноров по способу авторизации
fig = px.bar(social_men, x='авторизация', y='id', color='авторизация', text = 'id',
             color_discrete_sequence=px.colors.qualitative.Set2_r)

fig.update_layout(title='Способ авторизации мужчин доноров',
                 xaxis_title='Название сервиса',
                 yaxis_title='Количество человек')
fig.show()

#Построение графика распределения доноров по способу альтернативной авторизации
fig = px.bar(social_men_alt, x='иное', y='id', color='иное', text = 'id',
             color_discrete_sequence=px.colors.qualitative.Set2)

fig.update_layout(title='Альтернативная авторизация мужчин доноров',
                 xaxis_title='Название сервиса',
                 yaxis_title='Количество человек')
fig.show()


#Сводная для мужчин по типу донаций
vest_type_men = vest_men.groupby('тип_донации')['id'].count()
vest_type_men = vest_type_men.sort_values(ascending=True)

#Построение графика
vest_type_men.plot(kind='barh', color=['#700622', '#129ab3'])

#Добавление названий осей и заголовка
plt.xlabel('Тип донации', rotation=0)
plt.ylabel('Количество доноров')
plt.title('Донации мужчин')

#Отображение графика
plt.show()

#Вывод о среднем возрасте
print(f'Средний возраст мужчин составляет:', age_vest_men, 'года.')

Средний возраст мужчин составляет: 32.9 года.


#Фрейм только с женщинами
vest_woman = vest.query('пол == "Женский"')

#Средний возраст
age_vest_woman = round(vest_woman['возраст'].mean(), 1)


#Наиболее популярная соцсеть
social_woman = vest_woman.groupby('авторизация')['id'].count().reset_index()
social_woman.drop(2, axis=0, inplace=True) #Удаление строки без данных (мы уже выяснили что это телефон или почта)
social_woman = social_woman.sort_values(by='id', ascending=False)

#Для графика с иными показателями авторизации
social_women_alt = vest_woman.groupby('иное')['id'].count().reset_index()
social_women_alt = social_women_alt.sort_values(by='id', ascending=False)


#Построение графика распределения доноров по способу авторизации
fig = px.bar(social_woman, x='авторизация', y='id', color='авторизация', text = 'id',
             color_discrete_sequence=px.colors.qualitative.Set2_r)

fig.update_layout(title='Способ авторизации женщин доноров',
                 xaxis_title='Название сервиса',
                 yaxis_title='Количество человек')
fig.show()

#Построение графика распределения доноров по способу альтернативной авторизации
fig = px.bar(social_women_alt, x='иное', y='id', color='иное', text = 'id',
             color_discrete_sequence=px.colors.qualitative.Set2)

fig.update_layout(title='Альтернативная авторизация женщин доноров',
                 xaxis_title='Название сервиса',
                 yaxis_title='Количество человек')
fig.show()

#Сводная для женщин по типу донаций
vest_type_woman = vest_woman.groupby('тип_донации')['id'].count()
vest_type_woman = vest_type_woman.sort_values(ascending=True)

#Построение графика
vest_type_woman.plot(kind='barh', color=['#700622', '#129ab3'])

#Добавление названий осей и заголовка
plt.xlabel('Тип донации')
plt.ylabel('Количество доноров')
plt.title('Донации женщин')

#Отображение графика
plt.show()

#Вывод о среднем возрасте
print(f'Средний возраст женщин составляет:', age_vest_woman, 'года.')

Средний возраст женщин составляет: 32.9 года.

	ID центра крови	Донаций добавлено	Доноров
count	1065.000000	1065.000000	1065.000000
mean	548.519249	215.042254	45.200000
std	314.807337	690.081821	124.449896
min	1.000000	0.000000	0.000000
25%	277.000000	1.000000	1.000000
50%	549.000000	17.000000	5.000000
75%	820.000000	115.000000	28.000000
max	1101.000000	10037.000000	1469.000000

	ID	ID пользователя
count	249741.000000	249741.000000
mean	129335.359268	154529.797238
std	74427.268186	81269.727143
min	1.000000	4.000000
25%	64922.000000	116454.000000
50%	129777.000000	152747.000000
75%	193599.000000	227719.000000
max	258752.000000	276175.000000

	ID	ID пользователя
count	27720.000000	27720.000000
mean	14221.196825	196972.017496
std	8196.089222	59523.983412
min	1.000000	14.000000
25%	7122.750000	164946.750000
50%	14251.500000	206559.000000
75%	21323.250000	239392.750000
max	28427.000000	276176.000000

	ID пользователя	Место сдачи	Дата донации	Оценка	ID донации
0	176988	Центр крови им. Гаврилова (центр в Царицыно)	28.11.2023	4	258713
1	259025	Не указано	28.11.2023	5	258712
2	276161	КГБУЗ "Краевая станция переливания крови МЗ Ха...	27.11.2023	4	258705
3	151510	МУЗ «Городская клиническая больница скорой мед...	28.11.2023	5	258665
4	221531	Военно-медицинская академия им. С.М. Кирова, о...	28.11.2023	5	258661

	ID пользователя	Оценка	ID донации
count	16795.000000	16795.000000	16795.000000
mean	181978.478773	4.709973	163439.006966
std	68177.232778	0.624052	51510.907069
min	11.000000	1.000000	402.000000
25%	151611.000000	5.000000	114005.500000
50%	195836.000000	5.000000	158948.000000
75%	232761.000000	5.000000	209787.500000
max	276161.000000	5.000000	258713.000000

Исследовательский анализ данных о донациях¶

Автор: Кирин Павел. Telegram: @meat_murder ¶

Предобработка данных¶

Донации¶

`bs_data 13.11.23.csv`- агрегированные данные по центрам сдачи крови¶

`donations_anon 281123.csv` - данные о донациях.¶

`donations_plan 281123.csv`- планы донаций¶

`feedback_anon 281123.csv`- Оценки от пользователей станциям переливания крови¶

Email рассылки¶

`stat_uni_20231128151236_92977.csv`- файл 1 рассылок¶

`stat_uni_20231128151256_34555`- файл 2 рассылок¶

Мероприятия¶

`Мероприятия 281123.csv`- Информация о проведенных мероприятиях - онлайн и офлайн¶

`joined_users 281123.csv`- данные о донорах, участниках мероприятий¶

Юзеры и бонусы¶

`users_anon_data 281123.csv` - данные о пользователях¶

`user_bonus_anon 281123.csv`- данные о партнерах,бонусах для пользователей¶

Ротация баннеров в личном кабинете¶

`profile_activity 281123.csv`- Показы банеров справа на сайте “где сдать кровь?”¶

`profile_planned_donations 281123.csv`- профили планируемых донаций¶

`profile_settings_upd 281123.csv`- Показы банеров слева на сайте (на заполнение профиля)¶

`profile_trigger 281123.csv` - Счетчик результативности доноров.¶

Выгрузка датафрейма для дашборда¶

Исследовательский анализ информации о донорах совершивших подтверждение донации, и географии их местоположения¶

Визуализация распределения доноров по стране¶

Выявление ЦА на Дальнем Востоке¶

Мужской пол¶

Женский пол¶

Выводы:¶

Рекомендации:¶

Дашборд:¶

	ID центра крови	Город	Cтрана	Донаций добавлено	Доноров
0	633	Москва	Россия	10037	1263
1	880	Казань	Россия	6931	589
2	366	Уфа	Россия	6681	1250
3	838	Казань	Россия	6376	1469
4	571	Нижневартовск	Россия	5423	260

	id_центра_крови	город	cтрана	донаций_добавлено	доноров
118	714	Донецк	_	434	67
236	773	Запорожье	_	143	54
293	764	Луганск	_	98	20
354	769	Мариуполь	_	62	17
453	783	Краматорск	_	30	10
486	791	Херсон	_	25	14
511	969	Доброполье	_	20	1
528	784	Макеевка	_	18	9
538	793	Мелитополь	_	16	7
578	737	Запорожье	_	11	9
579	906	Запорожье	_	11	10
622	794	Бердянск	_	7	6
623	937	Запорожье	_	7	5
653	781	Алчевск	_	5	5
658	981	Кременная	_	5	1
696	780	Стаханов	_	3	2
697	782	Северодонецк	_	3	3
715	1030	Цюрупинск	_	3	2
741	777	Краснодон	_	2	2
745	939	Новотроицкое пгт	_	2	2
805	930	Энергодар	_	1	1
1002	776	Свердловск	_	0	0
1003	778	Красный Луч	_	0	0
1004	779	Первомайск	_	0	0
1043	974	Ясиноватая	_	0	0
1044	991	Луганск	_	0	0
1054	1039	Токмак	_	0	0

	ID	ID пользователя	Класс крови	Дата донации	Дата планирования	Тип донации	Город	Регион	Страна	Место сдачи	Есть справка	Дата добавления донации	Статус донации
0	258752	230369	Цельная кровь	28.11.2023	Не указана	Безвозмездно	Омск	Омская область	Россия	ГКБ скорой медицинской помощи № 1 г. Омска, от...	Да	28.11.2023	На модерации
1	258751	271511	Цельная кровь	26.11.2010	Не указана	Безвозмездно	Воронеж	Воронежская область	Россия	БУЗ ВО "Воронежская областная станция перелива...	Да	28.11.2023	На модерации
2	258750	271511	Цельная кровь	07.08.2085	Не указана	Безвозмездно	Воронеж	Воронежская область	Россия	БУЗ ВО "Воронежская областная станция перелива...	Да	28.11.2023	На модерации
3	258749	271511	Цельная кровь	22.09.2010	Не указана	Безвозмездно	Воронеж	Воронежская область	Россия	БУЗ ВО "Воронежская областная станция перелива...	Да	28.11.2023	На модерации
4	258748	271511	Тромбоциты	12.09.2056	Не указана	Безвозмездно	Воронеж	Воронежская область	Россия	БУЗ ВО "Воронежская областная станция перелива...	Да	28.11.2023	Удалена

	id	id_пользователя	класс_крови	дата_донации	дата_планирования	тип_донации	город	регион	страна	место_сдачи	есть_справка	дата_добавления_донации	статус_донации
139923	114280	126057	Цельная кровь	NaT	Не указана	Безвозмездно	Челябинск	Челябинская область	Россия	ГБУЗ "Челябинская областная станция переливани...	Да	14.04.2022	Принята
167017	86247	147222	Плазма	NaT	Не указана	Безвозмездно	Санкт-Петербург	Не указан	Россия	Военно-медицинская академия им. С.М. Кирова, о...	Да	18.11.2020	Принята
187207	65020	8071	Цельная кровь	NaT	Не указана	Безвозмездно	Санкт-Петербург	Не указан	Россия	Городская станция переливания крови Санкт-Пете...	Да	18.11.2020	Удалена
191435	60529	119710	Цельная кровь	NaT	Не указана	Безвозмездно	Не указан	Не указан	Не указан	Выездная акция	Да	18.11.2020	Принята
191726	60210	131932	Тромбоциты	NaT	Не указана	Платно	Москва	Не указан	Россия	Центр крови им. Гаврилова (центр на Беговой)	Да	18.11.2020	Принята
192661	59242	139934	Плазма	NaT	Не указана	Безвозмездно	Елец	Липецкая область	Россия	МУЗ "Елецкая городская станция переливания кро...	Да	18.11.2020	Принята
233277	17012	136722	Цельная кровь	NaT	Не указана	Безвозмездно	Не указан	Не указан	Не указан	Выездная акция	Да	18.11.2020	Без справки

	id	id_пользователя	класс_крови	дата_донации	дата_планирования	тип_донации	город	регион	страна	место_сдачи	есть_справка	дата_добавления_донации	статус_донации	год
226	258529	50531	Плазма	2023-11-27	09.11.2023	Безвозмездно	Казань	Татарстан	Россия	Казанский плазмоцентр ФГБУ РМНПЦ «Росплазма» Ф...	Да	27.11.2023	Принята	2023.0
335	258425	264138	Цельная кровь	2023-11-27	27.11.2023	Безвозмездно	Махачкала	Дагестан	Россия	ГБУ Республики Дагестан "Республиканская станц...	Да	27.11.2023	Принята	2023.0
665	258000	275375	Цельная кровь	2023-11-25	25.11.2023	Безвозмездно	Москва	Не указан	Россия	ГБУЗ "ГКБ № 52", отделение переливания крови	Да	25.11.2023	Принята	2023.0
948	257715	178832	Тромбоциты	2023-11-24	24.11.2023	Безвозмездно	Москва	Не указан	Россия	ФГБУ «НМИЦ ДГОИ им. Дмитрия Рогачева» Минздрав...	Да	24.11.2023	Принята	2023.0
2849	255739	261466	Цельная кровь	2023-11-16	16.11.2023	Безвозмездно	Санкт-Петербург	Не указан	Россия	(Ликвидирован, переехал на ул. Л.Толстого, 19,...	Нет	18.11.2023	Без справки	2023.0
2853	255738	265316	Цельная кровь	2023-11-17	20.10.2023	Безвозмездно	Тула	Тульская область	Россия	ГУЗ "Тульская областная станция переливания кр...	Да	18.11.2023	Принята	2023.0
2974	255585	224276	Цельная кровь	2023-11-15	15.11.2023	Безвозмездно	Выкса	Нижегородская область	Россия	Выездная акция	Да	17.11.2023	Принята	2023.0
2975	255585	224276	Цельная кровь	2023-11-15	15.11.2023	Безвозмездно	Выкса	Нижегородская область	Россия	Выездная акция	Да	17.11.2023	Принята	2023.0
2976	255585	224276	Цельная кровь	2023-11-15	15.11.2023	Безвозмездно	Выкса	Нижегородская область	Россия	Выездная акция	Да	17.11.2023	Принята	2023.0
2977	255585	224276	Цельная кровь	2023-11-15	15.11.2023	Безвозмездно	Выкса	Нижегородская область	Россия	Выездная акция	Да	17.11.2023	Принята	2023.0

	id	id_пользователя	класс_крови	дата_донации	дата_планирования	тип_донации	город	регион	страна	место_сдачи	есть_справка	дата_добавления_донации	статус_донации	год
110	258642	241336	Цельная кровь	2023-11-28	23.06.2023	Безвозмездно	Благовещенск	Амурская область	Россия	Выездная акция	Да	28.11.2023	Принята	2023.0
111	258642	241336	Цельная кровь	2023-11-28	13.06.2023	Безвозмездно	Благовещенск	Амурская область	Россия	Выездная акция	Да	28.11.2023	Принята	2023.0
117	258637	232312	Плазма	2023-11-27	27.11.2023	Безвозмездно	Севастополь	Крым	Россия	ГБУЗ Севастополя "Центр Крови"	Да	27.11.2023	Принята	2023.0
212	258542	194135	Цельная кровь	2023-11-27	20.11.2023	Безвозмездно	Санкт-Петербург	Не указан	Россия	СПб ГБУЗ «Городская больница Святого Великомуч...	Да	27.11.2023	Принята	2023.0
331	258425	264138	Цельная кровь	2023-11-27	27.11.2023	Безвозмездно	Махачкала	Дагестан	Россия	ГБУ Республики Дагестан "Республиканская станц...	Да	27.11.2023	Принята	2023.0
332	258425	264138	Цельная кровь	2023-11-27	01.08.2023	Безвозмездно	Махачкала	Дагестан	Россия	ГБУ Республики Дагестан "Республиканская станц...	Да	27.11.2023	Принята	2023.0
333	258425	264138	Цельная кровь	2023-11-27	24.07.2023	Безвозмездно	Махачкала	Дагестан	Россия	ГБУ Республики Дагестан "Республиканская станц...	Да	27.11.2023	Принята	2023.0
334	258425	264138	Цельная кровь	2023-11-27	06.11.2023	Безвозмездно	Махачкала	Дагестан	Россия	ГБУ Республики Дагестан "Республиканская станц...	Да	27.11.2023	Принята	2023.0
348	258413	236731	Цельная кровь	2023-11-27	27.11.2023	Безвозмездно	Санкт-Петербург	Не указан	Россия	СПб ГБУЗ «Городская Мариинская больница», опк	Да	27.11.2023	Принята	2023.0
648	258014	163651	Цельная кровь	2023-11-22	20.11.2023	Безвозмездно	Краснодар	Краснодарский край	Россия	ГБУЗ "Станция переливания крови" МЗ Краснодарс...	Да	25.11.2023	Принята	2023.0

	ID	ID пользователя	Класс крови	Дата донации	Дата планирования	Тип донации	Регион	Место стадчи	Статус	Есть справка
0	28427	276176	Цельная кровь	29.11.2023	28.11.2023	Безвозмездно	Россия, Москва	Выездная акция	донация запланирована	Нет
1	28426	274739	Цельная кровь	24.01.2024	28.11.2023	Безвозмездно	Россия, Москва	ОПК ГБУЗ МО «Московский областной научно-иссле...	донация запланирована	Нет
2	28425	276151	Тромбоциты	01.12.2023	28.11.2023	Безвозмездно	Россия, Москва	ФГБУ "НМИЦ хирургии им. А.В. Вишневского" МЗ Р...	донация запланирована	Нет
3	28424	276173	Цельная кровь	29.11.2023	28.11.2023	Безвозмездно	Россия, Москва	Выездная акция	донация запланирована	Нет
4	28423	276172	Цельная кровь	29.11.2023	28.11.2023	Безвозмездно	Россия, Москва	Выездная акция	донация запланирована	Нет

	id_пользователя	место_сдачи	дата_донации	оценка	id_донации
59	275871	ГБУЗ Тюменской области "Областная станция пере...	2023-09-07	5	257623
61	275871	ГБУЗ Тюменской области "Областная станция пере...	2023-10-05	5	257622
62	275871	ГБУЗ Тюменской области "Областная станция пере...	2023-10-05	5	257622
63	275871	ГБУЗ Тюменской области "Областная станция пере...	2023-10-05	5	257622
140	220454	Городская станция переливания крови Санкт-Пете...	2023-11-20	5	256464
287	226199	Пятигорский филиал ГБУЗ СК "Ставропольская кра...	2023-11-10	5	254241
531	245447	Городская станция переливания крови Санкт-Пете...	2020-10-06	5	250057
533	245447	Городская станция переливания крови Санкт-Пете...	2020-12-14	5	250056
920	272192	ГБУЗ "Челябинская областная станция переливани...	2023-10-08	4	246939
1316	224438	Ачинский филиал Красноярского краевого центра ...	2023-09-28	5	243043

	Дата	Название выпуска	Получатели	Отправлено	Доставлено %	OR %	CTR %	Ошибки %	Отписки %
0	2023-11-28 14:10:23	P_Запрос пожертвований на лояльных 28.11.2023	Лояльные	1347	68.89	29.63	2.90	0.00	0.32
1	2023-11-15 11:49:20	Значки отправлены 29	на отправку 29	49	100.00	85.71	32.65	0.00	0.00
2	2023-11-09 10:59:26	Значки отзывы 28	на отправку 28	56	100.00	57.14	17.85	0.00	0.00
3	2023-11-02 18:21:29	«Мы помогаем каждому найти в себе донора»_02/1...	2 ноября ДР DonorSearch	125597	99.13	9.14	0.48	0.87	0.41
4	2023-10-26 13:53:06	Значки отправлены 28	на отправку 28	56	100.00	76.78	26.78	0.00	0.00

	Отправлено	Доставлено %	OR %	CTR %	Ошибки %	Отписки %
count	155.000000	155.000000	151.000000	151.000000	155.000000	151.000000
mean	25491.954839	95.771032	44.783311	17.188411	1.436645	0.390000
std	38061.066656	15.995524	28.389661	17.457355	2.391156	0.567593
min	1.000000	0.000000	7.100000	0.250000	0.000000	0.000000
25%	49.000000	98.000000	15.905000	2.290000	0.000000	0.000000
50%	401.000000	98.890000	42.220000	8.850000	0.790000	0.300000
75%	55362.000000	100.000000	72.170000	31.950000	1.795000	0.580000
max	125682.000000	100.000000	100.000000	100.000000	20.000000	3.440000

	Отправлено	Доставлено %	OR %	CTR %	Ошибки %	Отписки %
count	3154.000000	3071.000000	3064.000000	3064.000000	3071.000000	3064.000000
mean	46.739379	98.474598	64.999778	21.104563	1.416044	0.583815
std	89.695591	6.634533	38.637461	30.797767	5.967797	3.433346
min	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000
25%	2.000000	99.030000	42.170000	0.000000	0.000000	0.000000
50%	10.000000	100.000000	53.695000	7.185000	0.000000	0.000000
75%	91.000000	100.000000	100.000000	30.892500	0.950000	0.000000
max	3515.000000	116.660000	600.000000	200.000000	100.000000	100.000000

	ID	ID ОРГАНИЗАТОРА	ЗАПИСАЛИСЬ НА МЕРОПРИЯТИЕ
count	1539.000000	1539.000000	1539.000000
mean	797.858350	240.956465	13.585445
std	466.351391	180.339645	452.170408
min	1.000000	1.000000	0.000000
25%	401.500000	98.500000	0.000000
50%	786.000000	182.000000	0.000000
75%	1176.500000	378.500000	0.000000
max	1697.000000	838.000000	17737.000000

	id	id_организатора	начало	конец	записались_на_мероприятие	город
92	1578	589	2023-04-07 11:45:00	2023-04-07 12:45:00	4	NaN
146	1520	537	2022-08-01 00:00:00	2023-01-31 00:00:00	17737	NaN

	id донора	id мероприятия	Количество подтвержденных донаций
count	20908.000000	20908.000000	15472.000000
mean	182965.417209	1484.488234	0.550608
std	34694.563474	199.672786	4.592153
min	19.000000	221.000000	0.000000
25%	163338.500000	1520.000000	0.000000
50%	181220.500000	1520.000000	0.000000
75%	199088.250000	1520.000000	0.000000
max	276176.000000	1697.000000	159.000000

	дата	название_выпуска	получатели	отправлено	or_%	ctr_%	отписки_%
127	2019-12-23 16:02:15	C наступающим Новым годом	Доступные для рассылки email	53052	NaN	NaN	NaN
128	2019-12-16 16:02:12	С любовью, твой реципиент	Доступные для рассылки email	53296	NaN	NaN	NaN
129	2019-12-09 17:02:23	Донор спас два миллиона детей	Доступные для рассылки email	53580	NaN	NaN	NaN
130	2019-12-02 15:02:19	Большая помощь и комары	Доступные для рассылки email	53938	NaN	NaN	NaN

	Дата	Название выпуска	Получатели	Отправлено	Доставлено %	OR %	CTR %	Ошибки %
0	2023-11-28 13:42:34	P_Запрос пожертвований на лояльных 28.11.2023	Транзакционные выпуски	1	100.00	100.00	0.00	0.00
1	2023-11-28 10:57:31	P_Welcome (0 донаций) на ранее рег. 28.11.2023	Транзакционные выпуски	1	100.00	100.00	0.00	0.00
2	2023-11-28 00:04:41	Подтвержение email	Транзакционные выпуски	73	94.52	28.98	8.69	4.10
3	2023-11-27 00:24:16	DonorSearch.org - Данные для входа	Транзакционные выпуски	156	95.51	36.91	6.71	4.48
4	2023-11-26 00:20:51	DonorSearch.org - Данные для входа	Транзакционные выпуски	89	94.38	34.52	4.76	3.37

	дата	название_выпуска	получатели	отправлено	доставлено_%	or_%	ctr_%	ошибки_%	отписки_%
21	2023-11-18 00:47:54	form_2_fill-draft	Транзакционные выпуски	10	0.0	NaN	NaN	100.0	NaN
1490	2020-12-16 14:50:50	pwd_reset	Транзакционные выпуски	0	NaN	NaN	NaN	NaN	NaN
1494	2020-12-13 23:43:24	pwd_reset	Транзакционные выпуски	0	NaN	NaN	NaN	NaN	NaN
1540	2020-11-11 14:20:39	pwd_reset	Транзакционные выпуски	0	NaN	NaN	NaN	NaN	NaN
1576	2020-10-26 13:49:15	Подтвержение email	Транзакционные выпуски	1	0.0	NaN	NaN	100.0	NaN
...	...	...	...	...	...	...	...	...	...
2928	2018-10-03 13:42:47	pwd_reset	Транзакционные выпуски	0	NaN	NaN	NaN	NaN	NaN
2936	2018-09-29 14:27:02	pwd_reset	Транзакционные выпуски	0	NaN	NaN	NaN	NaN	NaN
2941	2018-09-26 20:32:05	pwd_reset	Транзакционные выпуски	1	0.0	NaN	NaN	0.0	NaN
2984	2018-09-02 11:49:08	pwd_reset	Транзакционные выпуски	0	NaN	NaN	NaN	NaN	NaN
3130	2018-06-08 14:09:54	Восстановление Пароля	Транзакционные выпуски	0	NaN	NaN	NaN	NaN	NaN

	ID	ID ОРГАНИЗАТОРА	НАЧАЛО	КОНЕЦ	ЗАПИСАЛИСЬ НА МЕРОПРИЯТИЕ	ГОРОД
0	1697	506	04.12.2023 09:00	04.12.2023 14:00	1	Россия, Москва
1	1696	653	29.11.2023 09:00	29.11.2023 13:00	3	Россия, Москва
2	1695	558	01.12.2023 09:30	01.12.2023 11:30	9	Россия, Татарстан, Казань
3	1694	662	29.11.2023 14:30	29.11.2023 15:30	1	Россия, Татарстан, Казань
4	1693	284	28.11.2023 10:00	28.11.2023 13:15	22	Россия, Москва

	id донора	id мероприятия	Выбранная дата донации
0	276176	1696	2023-11-29
1	276173	1696	2023-11-29
2	276172	1696	2023-11-29
3	276154	1693	2023-11-28
4	275568	1693	2023-11-28

	ID	Пол	Дата рождения	Регион	Группа крови	Kell-фактор	Цельная кровь	Плазма	Тромбоциты	Эритроциты	Лейкоциты	Костный мозг	Почетный донор	Отвод от донации	Дата регистрации	Не подтверждённые донации	Донаций до регистрации	Последняя активность	Теги	Указан email	Указан телефон	Авторизация через ВК	Авторизация через Одноклассники	Авторизация через Твиттер	Авторизация через Яндекс	Авторизация через Гугл	Получен значок 20	Получен значок 100	Донаций на момент регистрации
0	276179	Не указано	Не указано	Не указано	Не указано	Не указано	Да	Да	Да	Да	Да	Нет	Дата получения не известна	Нет	28.11.2023	0	Не указано	Не указано	['Blood']	да	нет	нет	нет	нет	нет	нет	нет	нет	Не указано
1	276178	Женский	01.05.1991	Россия, Вологодская область, Вологда	A(II) Rh+	Не указано	Да	Да	Да	Да	Да	Нет	Дата получения не известна	Нет	28.11.2023	0	1	28.11.2023	['CardsMobile']	да	да	нет	нет	нет	нет	нет	нет	нет	1
2	276177	Не указано	Не указано	Не указано	Не указано	Не указано	Да	Да	Да	Да	Да	Нет	Дата получения не известна	Нет	28.11.2023	0	Не указано	28.11.2023	['DirectSignUp']	нет	да	нет	нет	нет	нет	нет	нет	нет	Не указано
3	276176	Не указано	Не указано	Не указано	Не указано	Не указано	Да	Да	Да	Да	Да	Нет	Дата получения не известна	Нет	28.11.2023	0	1	28.11.2023	['UnityOrganizations']	нет	да	нет	нет	нет	нет	нет	нет	нет	1
4	276175	Мужской	10.01.1986	Россия, Камчатский край, Петропавловск-Камчатский	A(II) Rh-	Не указано	Да	Да	Да	Да	Да	Да	Дата получения не известна	Нет	28.11.2023	1	4	28.11.2023	['CardsMobile']	да	да	нет	нет	нет	нет	нет	нет	нет	4

	ID	Цельная кровь.1	Плазма.1	Тромбоциты.1	Эритроциты.1	Лейкоциты.1	Не подтверждённые донации	Прошедших донаций	Подтверждённые донации	Количество взятых бонусов
count	265836.000000	265836.000000	265836.000000	265836.000000	265836.000000	265836.000000	265836.000000	265836.000000	265836.000000	265836.000000
mean	137111.079737	0.538388	0.208557	0.088957	0.001467	0.000248	0.091590	0.837618	0.838400	0.079402
std	79988.041752	2.822638	3.085964	1.486375	0.054217	0.020155	0.912188	5.350669	5.351517	0.654081
min	1.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000
25%	67520.750000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000
50%	136353.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000
75%	206494.250000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000
max	276179.000000	145.000000	299.000000	139.000000	8.000000	4.000000	84.000000	361.000000	361.000000	87.000000

	id	пол	дата_рождения	регион	группа_крови	kell-фактор	цельная_кровь	плазма	тромбоциты	эритроциты	лейкоциты	костный_мозг	почетный_донор	отвод_от_донации	дата_регистрации	донаций_до_регистрации	последняя_активность	теги	указан_email	указан_телефон	авторизация_через_вк	авторизация_через_одноклассники	авторизация_через_твиттер	авторизация_через_яндекс	авторизация_через_гугл	получен_значок_20	получен_значок_100	донаций_на_момент_регистрации	страна	область	город
125746	145977	Мужской	2083-06-18	Россия, Новосибирская область, Новосибирск	Не указано	Положительный	Да	Да	Да	Да	Да	Нет	Дата получения не известна	Нет	21.05.2020	Не указано	17.08.2022	[None]	True	False	False	False	False	False	False	нет	нет	Не указано	Россия	Новосибирская область	Новосибирск
126570	145144	Женский	2070-09-10	Россия, Самарская область, Сызрань	A(II) Rh+	Отрицательный	Да	Да	Да	Да	Да	Нет	Дата получения не известна	Нет	21.05.2020	Не указано	05.08.2022	[None]	False	False	False	False	False	False	False	нет	нет	Не указано	Россия	Самарская область	Сызрань
126781	144925	Мужской	2198-04-29	Россия, Иркутская область, Иркутск	B(III) Rh-	Положительный	Да	Да	Да	Да	Да	Нет	Дата получения не известна	Нет	21.05.2020	Не указано	18.08.2022	[None]	True	True	False	False	False	False	False	нет	нет	Не указано	Россия	Иркутская область	Иркутск
129193	142432	Женский	2095-01-03	Россия, Коми, Сыктывкар	AB(IV) Rh+	Отрицательный	Да	Да	Да	Да	Да	Нет	Дата получения не известна	Нет	21.05.2020	Не указано	13.09.2022	[None]	False	True	False	False	False	False	False	нет	нет	Не указано	Россия	Коми	Сыктывкар
130734	140547	Женский	2067-07-26	Россия, Татарстан, Набережные Челны	A(II) Rh+	Отрицательный	Да	Да	Да	Да	Да	Нет	Дата получения не известна	Нет	20.04.2020	Не указано	Не указано	[None]	False	False	False	True	False	False	False	нет	нет	Не указано	Россия	Татарстан	Набережные Челны
134560	136988	Мужской	2089-11-20	Россия, Татарстан, Казань	B(III) Rh+	Положительный	Да	Да	Да	Да	Да	Нет	Дата получения не известна	Нет	14.02.2019	Не указано	Не указано	[None]	True	True	True	False	False	False	False	нет	нет	Не указано	Россия	Татарстан	Казань

	id	пол	дата_рождения	регион	группа_крови	kell-фактор	цельная_кровь	плазма	тромбоциты	эритроциты	лейкоциты	костный_мозг	почетный_донор	отвод_от_донации	цельная_кровь_1	плазма_1	тромбоциты_1	эритроциты_1	лейкоциты_1	дата_регистрации	не_подтверждённые_донации	прошедших_донаций	донаций_до_регистрации	последняя_активность	теги	указан_email	указан_телефон	авторизация_через_вк	авторизация_через_одноклассники	авторизация_через_твиттер	авторизация_через_яндекс	авторизация_через_гугл	подтверждённые_донации	получен_значок_20	получен_значок_100	донаций_на_момент_регистрации	количество_взятых_бонусов	страна	область	город
73	276106	Женский	2005-07-14	Россия, Москва	Не указано	Не указано	Да	Да	Да	Да	Да	Нет	Дата получения не известна	Нет	0	0	0	0	0	27.11.2023	0	0	Не указано	27.11.2023	['MainPage']	True	True	False	False	False	False	False	0	нет	нет	Не указано	0	Россия	Москва	Москва
78	276101	Женский	2005-10-24	Россия, Москва	Не знаю	Не указано	Да	Да	Да	Да	Да	Нет	Дата получения не известна	Нет	0	0	0	0	0	27.11.2023	0	0	0	27.11.2023	['InfoDonor']	True	True	False	False	False	False	False	0	нет	нет	Не указано	0	Россия	Москва	Москва
80	276099	Женский	2009-06-21	Не указано	Не указано	Не указано	Да	Да	Да	Да	Да	Нет	Дата получения не известна	Нет	0	0	0	0	0	27.11.2023	0	0	Не указано	Не указано	['CardsMobile']	True	True	False	False	False	False	False	0	нет	нет	Не указано	0	Не указано	Не указано	Не указано
98	276081	Женский	2005-01-10	Россия, Московская область, Одинцово	B(III) Rh+	Положительный	Да	Да	Да	Да	Да	Нет	Дата получения не известна	Нет	0	0	0	0	0	27.11.2023	0	0	0	27.11.2023	[None]	True	True	False	False	False	False	False	0	нет	нет	Не указано	0	Россия	Московская область	Одинцово
117	276062	Женский	2005-10-25	Россия, Московская область, Щербинка	A(II) Rh+	Не знаю	Да	Нет	Да	Да	Нет	Нет	Дата получения не известна	Нет	0	0	0	0	0	27.11.2023	0	0	Не указано	28.11.2023	['MainPage']	True	False	False	False	False	False	False	0	нет	нет	Не указано	0	Россия	Московская область	Щербинка
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
245972	120140	Женский	2011-10-01	Россия, Московская область, Кашира	Не указано	Не указано	Да	Да	Да	Да	Да	Нет	Дата получения не известна	Нет	0	0	0	0	0	09.04.2018	0	0	Не указано	Не указано	[None]	True	True	True	False	False	False	False	0	нет	нет	Не указано	0	Россия	Московская область	Кашира
247222	141101	Женский	2005-02-04	Россия, Приморский край, Владивосток	B(III) Rh+	Отрицательный	Да	Да	Да	Да	Да	Да	03.04.2023	Нет	26	0	0	0	0	09.04.2018	19	26	Не указано	01.01.2023	[None]	True	True	False	False	False	False	False	26	да	нет	Не указано	8	Россия	Приморский край	Владивосток
247935	29034	Мужской	2008-03-10	Россия, Санкт-Петербург	O(I) Rh+	Отрицательный	Да	Да	Да	Да	Да	Нет	Дата получения не известна	Нет	0	0	0	0	0	09.04.2018	1	0	20	25.10.2023	[None]	True	False	True	False	False	False	False	0	нет	нет	20	0	Россия	Санкт-Петербург	Санкт-Петербург
253877	23814	Мужской	2006-02-04	Россия, Омская область, Омск	Не указано	Не указано	Да	Да	Да	Да	Да	Нет	Дата получения не известна	Нет	0	0	0	0	0	09.04.2018	0	0	Не указано	Не указано	[None]	False	True	True	False	False	False	False	0	нет	нет	Не указано	0	Россия	Омская область	Омск
258781	19536	Женский	2011-04-25	Россия, Москва	Не указано	Не указано	Да	Да	Да	Да	Да	Нет	Дата получения не известна	Нет	0	0	0	0	0	09.04.2018	0	0	Не указано	Не указано	[None]	True	True	True	False	False	False	False	0	нет	нет	Не указано	0	Россия	Москва	Москва

	id	пол	дата_рождения	регион	группа_крови	kell-фактор	цельная_кровь	плазма	тромбоциты	эритроциты	лейкоциты	костный_мозг	почетный_донор	отвод_от_донации	цельная_кровь_1	плазма_1	тромбоциты_1	эритроциты_1	лейкоциты_1	дата_регистрации	не_подтверждённые_донации	прошедших_донаций	донаций_до_регистрации	последняя_активность	теги	указан_email	указан_телефон	авторизация_через_вк	авторизация_через_одноклассники	авторизация_через_твиттер	авторизация_через_яндекс	авторизация_через_гугл	подтверждённые_донации	получен_значок_20	получен_значок_100	донаций_на_момент_регистрации	количество_взятых_бонусов	страна	область	город
27563	247622	Женский	1902-07-24	Украина, Кировоградская область, Кировоград	B(III) Rh+	Не указано	Да	Да	Да	Да	Да	Нет	Дата получения не известна	Нет	0	0	0	0	0	07.03.2023	0	0	Не указано	07.03.2023	['MainPage']	True	False	False	False	False	False	True	0	нет	нет	Не указано	0	Украина	Кировоградская область	Кировоград
50350	223560	Женский	1919-02-12	Не указано	Не указано	Не указано	Да	Да	Да	Да	Да	Нет	Дата получения не известна	Нет	0	0	0	0	0	01.10.2022	0	0	Не указано	01.10.2022	[None]	True	False	False	False	False	True	False	0	нет	нет	Не указано	0	Не указано	Не указано	Не указано
60419	212931	Мужской	1910-07-09	Россия, Коми, Ухта	B(III) Rh-	Не указано	Да	Нет	Нет	Нет	Нет	Нет	19.05.2024	Нет	2	0	0	0	0	28.07.2022	0	2	Не указано	27.10.2022	['MainPage']	True	False	False	False	False	True	False	2	нет	нет	Не указано	3	Россия	Коми	Ухта
67556	205351	Мужской	1900-12-21	Не указано	Не указано	Не указано	Да	Да	Да	Да	Да	Нет	Дата получения не известна	Нет	0	0	0	0	0	04.06.2022	0	0	Не указано	Не указано	['CardsMobile']	True	True	False	False	False	False	False	0	нет	нет	Не указано	0	Не указано	Не указано	Не указано
71447	201252	Мужской	1920-04-01	Не указано	Не указано	Не указано	Да	Да	Да	Да	Да	Нет	Дата получения не известна	Нет	0	0	0	0	0	27.04.2022	0	0	Не указано	02.06.2022	['Bonus']	True	False	False	False	False	True	False	0	нет	нет	Не указано	0	Не указано	Не указано	Не указано
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
146598	117127	Женский	1906-05-29	Россия, Тверская область, Конаково	A(II) Rh+	Отрицательный	Да	Да	Да	Да	Да	Нет	Дата получения не известна	Нет	0	0	0	0	0	25.04.2018	0	0	10	02.07.2023	[None]	True	False	True	False	False	False	False	0	нет	нет	10	0	Россия	Тверская область	Конаково
146675	117051	Мужской	1918-07-10	Не указано	Не указано	Положительный	Да	Да	Да	Да	Да	Нет	Дата получения не известна	Нет	0	0	0	0	0	23.04.2018	0	0	Не указано	Не указано	[None]	True	False	True	False	False	False	False	0	нет	нет	Не указано	0	Не указано	Не указано	Не указано
147047	116605	Женский	1903-02-08	Россия, Пермский край, Пермь	Не указано	Отрицательный	Да	Да	Да	Да	Да	Нет	Дата получения не известна	Нет	0	0	0	0	0	13.04.2018	0	0	Не указано	Не указано	[None]	True	False	True	False	False	False	False	0	нет	нет	Не указано	0	Россия	Пермский край	Пермь
147048	116589	Женский	1905-12-15	Не указано	Не указано	Отрицательный	Да	Да	Да	Да	Да	Нет	Дата получения не известна	Нет	0	0	0	0	0	13.04.2018	0	0	Не указано	Не указано	[None]	False	False	True	False	False	False	False	0	нет	нет	Не указано	0	Не указано	Не указано	Не указано
213290	6692	Женский	1900-01-01	Россия, Татарстан, Чистополь	AB(IV) Rh+	Отрицательный	Да	Да	Да	Да	Да	Нет	Дата получения не известна	Нет	2	0	0	0	0	09.04.2018	0	2	Не указано	15.01.2022	[None]	True	True	True	False	False	False	False	2	нет	нет	Не указано	0	Россия	Татарстан	Чистополь

Исследовательский анализ данных о донациях¶

Автор: Кирин Павел. Telegram: @meat_murder¶

Предобработка данных¶

Донации¶

bs_data 13.11.23.csv- агрегированные данные по центрам сдачи крови¶

donations_anon 281123.csv - данные о донациях.¶

donations_plan 281123.csv- планы донаций¶

feedback_anon 281123.csv- Оценки от пользователей станциям переливания крови¶

Email рассылки¶

stat_uni_20231128151236_92977.csv- файл 1 рассылок¶

stat_uni_20231128151256_34555- файл 2 рассылок¶

Мероприятия¶

Мероприятия 281123.csv- Информация о проведенных мероприятиях - онлайн и офлайн¶

joined_users 281123.csv- данные о донорах, участниках мероприятий¶

Юзеры и бонусы¶

users_anon_data 281123.csv - данные о пользователях¶

user_bonus_anon 281123.csv- данные о партнерах,бонусах для пользователей¶

Ротация баннеров в личном кабинете¶

profile_activity 281123.csv- Показы банеров справа на сайте “где сдать кровь?”¶

profile_planned_donations 281123.csv- профили планируемых донаций¶

profile_settings_upd 281123.csv- Показы банеров слева на сайте (на заполнение профиля)¶

profile_trigger 281123.csv - Счетчик результативности доноров.¶

Выгрузка датафрейма для дашборда¶

Исследовательский анализ информации о донорах совершивших подтверждение донации, и географии их местоположения¶

Визуализация распределения доноров по стране¶

Выявление ЦА на Дальнем Востоке¶

Мужской пол¶

Женский пол¶

Выводы:¶

Рекомендации:¶

Дашборд:¶

Автор: Кирин Павел. Telegram: @meat_murder ¶

`bs_data 13.11.23.csv`- агрегированные данные по центрам сдачи крови¶

`donations_anon 281123.csv` - данные о донациях.¶

`donations_plan 281123.csv`- планы донаций¶

`feedback_anon 281123.csv`- Оценки от пользователей станциям переливания крови¶

`stat_uni_20231128151236_92977.csv`- файл 1 рассылок¶

`stat_uni_20231128151256_34555`- файл 2 рассылок¶

`Мероприятия 281123.csv`- Информация о проведенных мероприятиях - онлайн и офлайн¶

`joined_users 281123.csv`- данные о донорах, участниках мероприятий¶

`users_anon_data 281123.csv` - данные о пользователях¶

`user_bonus_anon 281123.csv`- данные о партнерах,бонусах для пользователей¶

`profile_activity 281123.csv`- Показы банеров справа на сайте “где сдать кровь?”¶

`profile_planned_donations 281123.csv`- профили планируемых донаций¶

`profile_settings_upd 281123.csv`- Показы банеров слева на сайте (на заполнение профиля)¶

`profile_trigger 281123.csv` - Счетчик результативности доноров.¶

	ID пользователя	Количество взятых бонусов	Количество донаций	Название партнера	Бонус	Дата использования	Страна	Регион	Город
0	229019	3	29	Farfor	Пицца бесплатно на Farfor.ru	28.11.2023	Россия	Рязанская область	Рязань
1	100457	5	4	Farfor	Пицца бесплатно на Farfor.ru	28.11.2023	Россия	Крым	Керчь
2	260830	3	4	Farfor	Пицца бесплатно на Farfor.ru	28.11.2023	Россия	Смоленская область	Смоленск
3	276082	1	1	Farfor	Пицца бесплатно на Farfor.ru	28.11.2023	Россия	NaN	Москва
4	275967	1	1	Farfor	Пицца бесплатно на Farfor.ru	28.11.2023	Россия	Тульская область	Тула

	ID пользователя	Количество взятых бонусов	Количество донаций
count	21108.000000	21108.000000	21108.000000
mean	195070.372655	5.467406	13.892932
std	59450.480356	8.852402	21.955262
min	21.000000	1.000000	0.000000
25%	169081.000000	2.000000	2.000000
50%	203362.000000	3.000000	5.000000
75%	234579.000000	6.000000	18.000000
max	276082.000000	87.000000	236.000000

	id_пользователя	количество_взятых_бонусов	количество_донаций	название_партнера	бонус	дата_использования	страна	регион	город
5763	227549	3	3	Яндекс Плюс	2 месяца подписки Яндекс Плюс бесплатно	29.03.2023	NaN	NaN	NaN
11547	224215	1	1	Farfor	Пицца бесплатно на Farfor.ru	06.10.2022	NaN	NaN	NaN
14962	227549	3	3	Ozon	Подписка Ozon Premium на 1 месяц	27.10.2022	NaN	NaN	NaN
18203	193542	1	0	Другое Дело	6000 баллов на платформе Другое Дело	30.03.2022	NaN	NaN	NaN
20502	227549	3	3	Lamoda	-15% на товары	03.11.2022	NaN	NaN	NaN

	id_пользователя	количество_взятых_бонусов	количество_донаций	название_партнера	бонус	дата_использования	страна	регион	город
4851	184424	8	20	Flowwow	Скидка 15% на весь ассортимент Flowwow	13.10.2023	Казахстан	NaN	Алма-Ата
13951	184424	8	20	Квиз Эйнштейн Party	Бесплатная домашняя игра от Эйнштейн Party	23.06.2022	Казахстан	NaN	Алма-Ата
16776	184424	8	20	Яндекс Плюс	2 месяца подписки Яндекс Плюс бесплатно	26.04.2022	Казахстан	NaN	Алма-Ата
17875	184424	8	20	Альпина Паблишер	Книга "Пять литров красного" в подарок	24.03.2022	Казахстан	NaN	Алма-Ата
18308	184424	8	20	Ozon	Подписка Ozon Premium на 1 месяц	13.04.2022	Казахстан	NaN	Алма-Ата
19113	184424	8	20	МИФ	Книга в подарок - Не сходите с ума на работе	26.01.2022	Казахстан	NaN	Алма-Ата
19294	184424	8	20	МИФ	Книга в подарок - Мифы о диетах	26.01.2022	Казахстан	NaN	Алма-Ата
19602	184424	8	20	МИФ	Книга в подарок - Заряжен на 100%	26.01.2022	Казахстан	NaN	Алма-Ата

	id_пользователя	количество_взятых_бонусов	количество_донаций	название_партнера	бонус	дата_использования	страна	регион	город
14429	153937	4	12	Arzamas	1 месяц подписки Arzamas в подарок	05.09.2022	Молдова	NaN	Тирасполь
16456	153937	4	12	Яндекс Плюс	2 месяца подписки Яндекс Плюс бесплатно	29.04.2022	Молдова	NaN	Тирасполь
20282	153937	4	12	More.TV	45 дней подписки в подарок	29.04.2022	Молдова	NaN	Тирасполь
20954	153937	4	12	Skyeng	3 бесплатных урока английского языка	14.12.2021	Молдова	NaN	Тирасполь

	id_пользователя	количество_взятых_бонусов	количество_донаций	название_партнера	бонус	дата_использования	страна	регион	город
2594	225620	3	4	Веганский магазин Веги Вуги	300 рублей на заказы из Веги Вуги	24.10.2023	Узбекистан	NaN	Ташкент
11106	225620	3	4	МИФ	Книга от МИФ "Заряжен на 100%" - в подарок	15.10.2022	Узбекистан	NaN	Ташкент
12257	225620	3	4	Bookmate	3 месяца бесплатной подписки	15.10.2022	Узбекистан	NaN	Ташкент

	ДАТА	ОБЩЕЕ КОЛ-ВО ПОКАЗОВ	ПРЕДСТОЯЩЕЕ МЕРОПРИЯТИЕ	ПОТРЕБНОСТЬ ЦК	АДРЕСНАЯ ПОТРЕБНОСТЬ	УКАЖИТЕ ГОРОД	СТАТЬИ ЖУРНАЛА
0	2023-11-28	686	134	396	12	62	82
1	2023-11-27	1293	111	759	124	88	211
2	2023-11-26	820	89	468	98	72	93
3	2023-11-25	990	71	656	89	77	97
4	2023-11-24	1283	132	771	133	74	173

	ОБЩЕЕ КОЛ-ВО ПОКАЗОВ	ПРЕДСТОЯЩЕЕ МЕРОПРИЯТИЕ	ПОТРЕБНОСТЬ ЦК	АДРЕСНАЯ ПОТРЕБНОСТЬ	УКАЖИТЕ ГОРОД	СТАТЬИ ЖУРНАЛА
count	153.000000	153.000000	153.000000	153.000000	153.000000	153.000000
mean	1270.176471	55.117647	844.339869	60.980392	121.627451	187.803922
std	372.671263	60.501625	254.838601	36.612025	49.715359	67.245823
min	548.000000	0.000000	342.000000	4.000000	49.000000	65.000000
25%	1003.000000	0.000000	642.000000	35.000000	85.000000	141.000000
50%	1283.000000	42.000000	851.000000	52.000000	109.000000	185.000000
75%	1461.000000	96.000000	1010.000000	79.000000	140.000000	218.000000
max	2865.000000	211.000000	2082.000000	217.000000	274.000000	427.000000

	ДАТА	ОБЩЕЕ КОЛ-ВО ПОКАЗОВ	НОВАЯ ДОНАЦИЯ	ДОНАЦИЯ ЗАПЛАНИРОВАНА	ПЛАНИРОВАЛИ СДАТЬ
0	2023-11-28	681	533	123	25
1	2023-11-27	1284	1024	227	33
2	2023-11-26	810	687	99	24
3	2023-11-25	976	780	152	44
4	2023-11-24	1275	1038	162	75

	ДАТА	ПРОСМОТРОВ ПРОФИЛЯ	USERNAME	EMAIL	ТЕЛЕФОН	ФАМИЛИЯ	ИМЯ	ОТЧЕСТВО	ДЕВИЧЬЯ ФАМИЛИЯ	ДАТА РОЖДЕНИЯ	ГР.КР.	ПОЛ	О СЕБЕ	ГОРОД
0	2023-11-28	673	0	8	13	8	3	18	1	3	36	3	2	16
1	2023-11-27	1273	6	21	20	22	7	37	9	18	73	15	4	29
2	2023-11-26	801	2	3	16	11	5	20	1	7	38	7	2	22
3	2023-11-25	972	2	8	17	13	3	25	3	6	50	6	2	23
4	2023-11-24	1266	3	10	14	16	3	27	1	6	62	7	3	21